Primeros pasos con Muse Code: de la instalación al primer merge
El agente de código para terminal de Meta se instala con un mínimo deliberado: un comando, un inicio de sesión en el navegador, y ya estás dirigiendo una sesión multiagente dentro de tu propio repositorio. Aquí tienes el camino completo, incluidas las partes en las que merece la pena frenar.
Un comando, un binario
Muse Code está en beta para macOS y Linux, y la instalación es una sola línea:
curl -fsSL https://dev.meta.ai/install.sh | bashEl script deja un binario muse en tu PATH; muse --version confirma que aterrizó. Canalizar un script remoto a bash es un compromiso de comodidad con cualquier proveedor, así que los equipos precavidos deberían descargar primero el script (curl -fsSL https://dev.meta.ai/install.sh -o install.sh), leerlo, y entonces ejecutarlo. Fíjate en lo que falta a propósito: no hay plugin de IDE ni aplicación de escritorio. A diferencia de algunos agentes de la competencia, Muse Code es solo terminal por diseño.
Autenticación en el navegador, claves para las máquinas
La primera vez que ejecutas muse, abre tu navegador para iniciar sesión en dev.meta.ai con una cuenta de desarrollador de Meta. Las credenciales se cachean en local después, así que no tendrás que autenticarte en cada sesión. Todo — acceso y facturación por igual — pasa por la misma cuenta de la Meta Model API que sirve los modelos Muse Spark directamente.
Para pipelines de CI, scripts y máquinas sin interfaz, sáltate el navegador: crea una clave en el panel de la Model API (API keys → Create API key) y expórtala como MODEL_API_KEY. El formato de la clave se parece a LLM|{numeric_id}|{secret} — guárdala en una variable de entorno o un gestor de secretos, nunca en el código.
Elige una primera tarea que demuestre el bucle
Haz cd a cualquier repositorio git y ejecuta muse. El agente lee el contexto local y abre un bucle de tareas; tú describes resultados en lenguaje natural. Resiste la tentación de empezar con un gran refactor. La forma más rápida de entender el carácter de Muse Code es una tarea pequeña y verificable — algo como “añade el test que falta para la función parseDate y asegúrate de que pasa”.
En un par de minutos verás la división del trabajo que define el producto: un agente worker redacta el cambio, un agente revisor lo critica en segundo plano, y el test se ejecuta de verdad. Ese patrón de worker y revisor está activo por defecto en cada tarea — es la razón por la que Meta describe el producto como multiagente por defecto y no como multiagente opcional.
Dos palancas de coste que aprender el primer día
Muse Spark es un modelo de razonamiento: piensa antes de responder, y esos tokens de pensamiento se facturan como salida. El comando /effort sube o baja el razonamiento, de modo que un rename rutinario no pague una deliberación profunda mientras que un bug de concurrencia enrevesado sí pueda tenerla. Segundo: las reglas permanentes — tu tono, formato, convenciones — van una vez en un mensaje de sistema, no repetidas en cada prompt. Entre las dos cosas, las facturas del primer día se quedan en aburridas, que es justo lo que quieres.
A dónde ir después
Cuando el bucle te resulte familiar, tres skills integradas estructuran el trabajo grande: /plan convierte una tarea en un plan que espera tu aprobación, /grill somete ese plan a presión hasta que aguanta, y /goal mantiene al agente empujando hacia el objetivo que fijaste. Las cubrimos a fondo en el post sobre las skills integradas, y la referencia completa vive en la documentación.