Mulai pakai Muse Code: dari install sampai merge pertama
Coding agent terminal buatan Meta sengaja dibuat minimal untuk di-setup: satu perintah, satu kali sign-in di browser, dan kamu sudah menyetir sesi multi-agent di dalam repository-mu sendiri. Ini jalur lengkapnya, termasuk bagian-bagian yang layak diperlambat.
Satu perintah, satu binary
Muse Code hadir dalam status beta untuk macOS dan Linux, dan instalasinya cuma satu baris:
curl -fsSL https://dev.meta.ai/install.sh | bashScript itu menaruh binary muse di PATH-mu; muse --version memastikan dia sudah mendarat. Mem-pipe script remote langsung ke bash adalah trade-off kenyamanan dengan vendor mana pun, jadi tim yang hati-hati sebaiknya unduh dulu script-nya (curl -fsSL https://dev.meta.ai/install.sh -o install.sh), baca, baru jalankan. Perhatikan juga apa yang sengaja tidak ada: tidak ada plugin IDE dan tidak ada aplikasi desktop. Berbeda dari sebagian agent pesaing, Muse Code memang terminal-only by design.
Autentikasi lewat browser, key untuk mesin
Saat pertama kali kamu menjalankan muse, dia membuka browser untuk sign in di dev.meta.ai dengan akun developer Meta. Setelah itu kredensial di-cache lokal, jadi kamu tidak perlu autentikasi ulang tiap sesi. Semuanya — akses maupun billing — berjalan lewat akun Meta Model API yang sama yang melayani model Muse Spark secara langsung.
Untuk pipeline CI, script, dan mesin headless, lewati browsernya: buat key di dashboard Model API (API keys → Create API key) dan export sebagai MODEL_API_KEY. Format key-nya seperti LLM|{numeric_id}|{secret} — simpan di environment variable atau secrets manager, jangan pernah di dalam kode.
Pilih tugas pertama yang membuktikan loop-nya
cd ke repository git mana pun dan jalankan muse. Agent membaca konteks lokal lalu membuka task loop; kamu tinggal mendeskripsikan hasil yang diinginkan dalam bahasa biasa. Tahan godaan untuk langsung membuka dengan refactor besar-besaran. Cara tercepat memahami karakter Muse Code adalah tugas kecil yang bisa diverifikasi — semacam “tambahkan test yang hilang untuk fungsi parseDate dan pastikan lulus.”
Dalam beberapa menit kamu akan menyaksikan pembagian kerja yang mendefinisikan produk ini: worker agent menyusun perubahannya, reviewer agent mengkritisinya di background, dan test-nya benar-benar dijalankan. Pola worker-dan-reviewer itu aktif secara default untuk setiap tugas — itulah alasan Meta menyebut produknya multi-agent by default, bukan multi-agent sebagai opsi.
Dua tuas biaya yang perlu dipelajari di hari pertama
Muse Spark adalah reasoning model: dia berpikir dulu sebelum menjawab, dan token berpikir itu ditagih sebagai output. Perintah /effort menaik-turunkan kedalaman reasoning, sehingga rename rutin tidak perlu membayar deliberasi mendalam sementara bug concurrency yang pelik boleh mendapatkannya. Kedua, aturan tetap — nada, format, konvensimu — cukup ditaruh sekali di system message, bukan diulang di setiap prompt. Dengan dua hal itu, tagihan pemakaian hari pertamamu bakal membosankan — dan memang begitulah seharusnya.
Lanjut ke mana
Begitu loop-nya terasa akrab, tiga skill bawaan siap menstrukturkan pekerjaan yang lebih besar: /plan mengubah tugas jadi rencana yang harus disetujui dulu, /grill menguji rencana itu sampai kokoh, dan /goal menjaga agent terus melaju ke objektif yang kamu tetapkan. Kami membahasnya mendalam di tulisan tentang skill bawaan, dan referensi lengkapnya ada di docs.