Een agent bouwen voor het samenstellen van pagina's in Elementor: van idee tot werkende pijplijn
WordPress
Elementor
Figma
Een ontwikkelaar beschreef het creëren van een agent die pagina's bouwt in WordPress + Elementor op basis van verzoeken uit Telegram. Belangrijke problemen: taakverlies bij parallelle verzoeken, duplicaten, vermenging van vragen met definitieve antwoorden, Elementor-margrefouten en complexiteit van Figma-integratie. Oplossingen omvatten een taakwachtrij op SQLite, een CLI-interface voor statussen, standaard een beta-omgeving en een strikte Python-compiler voor Figma.
Een ontwikkelaar beschreef het maken van een AI-agent voor het bouwen van pagina's in WordPress en Elementor, geïntegreerd met Telegram. De eerste versie gebruikte MCP-tools (Model Context Protocol) voor Elementor, maar al snel kwamen problemen aan het licht: het verzoek van de gebruiker kon verloren gaan als hij niet direct reageerde, er werden dubbele taken aangemaakt bij herhaalde verzoeken, en de agent probeerde direct MCP aan te roepen, waarbij hij de skill omzeilde. Om dit op te lossen werd een taakwachtrij met SQLite geïntroduceerd, waarbij een record wordt aangemaakt voordat een gebruiker een vraag stelt, samen met een controle op openstaande taken en een strikte regel om werk aan de skill te delegeren. Voor samengestelde vragen werd een CLI next-question geïmplementeerd, die één vraag tegelijk stelt. Taakstatussen werden ook opgesplitst in blokkerend (wachtend, geblokkeerd, gedaan) en niet-blokkerend (klaar), zodat de agent doorgaat met uitvoeren als een stap mogelijk is zonder gebruikersinvoer. Voor testisolatie wordt het aanmaken van pagina's standaard naar een bètaomgeving geleid, met promotie naar productie alleen via een aparte overdrachtsworkflow. Elementor spacing-fouten werden opgelost met de module elementor-spacing-builder.md, die verschillen tussen containers en widgets herstelt. Het uiteindelijke antwoord werd verplaatst naar een aparte CLI result_cli.py, waardoor het werd losgekoppeld van workflowvragen. Bouwkwaliteit wordt alleen via CLI gecontroleerd; zelfbevestiging is verboden. Het meest uitdagende onderdeel was de integratie met Figma: vroege versies van de compiler verloren informatie, waarna ze overstapten naar een strikte Python-compiler die Figma JSON direct omzet naar Elementor JSON. Vanaf versie 14 werd een semantische boom toegevoegd, die semantiek scheidt van lay-out. Ook de export van assets werd geoptimaliseerd: VECTOR-paden worden niet geëxporteerd als SVG, alleen componenten met expliciete specificatie.
Bron: Habr — хаб ИИ —
origineel
