Building an Agent for Elementor Page Assembly: From Idea to a Working Pipeline

Pengembang mendeskripsikan pembuatan agen AI untuk merakit halaman di WordPress dan Elementor, yang terintegrasi dengan Telegram. Versi pertama menggunakan alat MCP Elementor, tetapi dengan cepat menemukan masalah: tugas pengguna bisa hilang jika ia tidak segera merespons, tercipta duplikat tugas saat permintaan berulang, dan agen mencoba memanggil MCP secara langsung tanpa melalui skill. Untuk memperbaikinya, mereka memperkenalkan antrean tugas dengan SQLite, di mana catatan dibuat sebelum pertanyaan pengguna apa pun, pemeriksaan tugas yang sedang terbuka, dan aturan kaku untuk mendelegasikan pekerjaan ke skill. Untuk pertanyaan majemuk, mereka mengimplementasikan CLI next-question, yang menanyakan satu pertanyaan dalam satu waktu. Mereka juga membagi status tugas menjadi blocking (waiting, blocked, done) dan non-blocking (ready), sehingga agen dapat melanjutkan eksekusi jika langkah dapat dilakukan tanpa pengguna. Untuk isolasi pengujian, pembuatan halaman secara default dilakukan di lingkungan beta, dan pemindahan ke produksi hanya melalui workflow transfer terpisah. Kesalahan terkait padding di Elementor diselesaikan dengan modul elementor-spacing-builder.md, yang memperbaiki perbedaan antara container dan widget. Jawaban akhir dipindahkan ke CLI terpisah result_cli.py, memisahkannya dari pertanyaan workflow. Kualitas perakitan hanya diperiksa oleh CLI; self-asserting dilarang. Yang paling rumit adalah integrasi dengan Figma: versi pertama kompiler kehilangan informasi, kemudian beralih ke kompiler Python yang ketat, yang mengonversi Figma JSON langsung ke Elementor JSON. Pada versi ke-14, mereka menambahkan semantic tree, yang memisahkan semantik dan tata letak. Mereka juga mengoptimalkan ekspor aset: jalur VECTOR tidak diekspor sebagai SVG, hanya komponen dengan penjelasan eksplisit.