Membangun Agen untuk Merakit Halaman di Elementor: Dari Ide ke Pipeline yang Berfungsi

Seorang pengembang mendeskripsikan pembuatan agen AI untuk membangun halaman di WordPress dan Elementor, yang terintegrasi dengan Telegram. Versi pertama menggunakan alat MCP untuk Elementor, tetapi dengan cepat menunjukkan masalah: permintaan pengguna bisa hilang jika mereka tidak merespons segera, tugas duplikat dibuat pada permintaan berulang, dan agen mencoba memanggil MCP secara langsung, melewati skill. Untuk memperbaikinya, diperkenalkan antrean tugas dengan SQLite, di mana catatan dibuat sebelum pertanyaan pengguna, serta pemeriksaan tugas terbuka dan aturan ketat untuk mendelegasikan pekerjaan ke skill. Untuk pertanyaan majemuk, diterapkan CLI next-question, yang menanyakan satu pertanyaan pada satu waktu. Status tugas juga dipisah menjadi blocking (menunggu, diblokir, selesai) dan non-blocking (siap) sehingga agen melanjutkan eksekusi jika suatu langkah dapat dilakukan tanpa input pengguna. Untuk isolasi pengujian, pembuatan halaman secara default diarahkan ke lingkungan beta, dengan promosi ke produksi hanya melalui alur kerja transfer terpisah. Kesalahan spasi Elementor diselesaikan dengan modul elementor-spacing-builder.md, yang memperbaiki perbedaan antara kontainer dan widget. Jawaban akhir dipindahkan ke CLI terpisah yaitu result_cli.py, memisahkannya dari pertanyaan alur kerja. Kualitas build hanya diperiksa melalui CLI; self-asserting dilarang. Bagian paling menantang adalah integrasi dengan Figma: versi awal kompiler kehilangan informasi, kemudian mereka beralih ke kompiler Python ketat yang mengonversi JSON Figma langsung ke JSON Elementor. Pada versi 14, ditambahkan pohon semantik, yang memisahkan semantik dari tata letak. Ekspor aset juga dioptimalkan: jalur VECTOR tidak diekspor sebagai SVG, hanya komponen dengan spesifikasi eksplisit.