Pierwsze kroki z Muse Code: od instalacji do pierwszego merge
Terminalowy agent kodujący Mety ma celowo minimalny setup: jedna komenda, jedno logowanie w przeglądarce i już prowadzisz wieloagentową sesję we własnym repozytorium. Oto cała ścieżka, razem z miejscami, przy których warto zwolnić.
Jedna komenda, jedna binarka
Muse Code jest dostępny w becie na macOS i Linuksa, a instalacja to jedna linia:
curl -fsSL https://dev.meta.ai/install.sh | bashSkrypt umieszcza binarkę muse na twoim PATH; muse --version potwierdza, że wylądowała. Przepuszczanie zdalnego skryptu przez basha to kompromis wygody u każdego dostawcy, więc ostrożne zespoły powinny najpierw pobrać skrypt (curl -fsSL https://dev.meta.ai/install.sh -o install.sh), przeczytać go, a dopiero potem uruchomić. Zauważ, czego celowo brakuje: nie ma wtyczki do IDE ani aplikacji desktopowej. W odróżnieniu od części konkurencyjnych agentów, Muse Code jest z założenia wyłącznie terminalowy.
Uwierzytelnianie w przeglądarce, klucze dla maszyn
Przy pierwszym uruchomieniu muse otwiera przeglądarkę, żebyś zalogował się na dev.meta.ai kontem deweloperskim Meta. Poświadczenia są potem cache’owane lokalnie, więc nie będziesz się logować co sesję. Wszystko — zarówno dostęp, jak i rozliczenia — przechodzi przez to samo konto Meta Model API, które bezpośrednio serwuje modele Muse Spark.
Dla pipeline’ów CI, skryptów i maszyn bez interfejsu pomiń przeglądarkę: utwórz klucz w panelu Model API (API keys → Create API key) i wyeksportuj go jako MODEL_API_KEY. Format klucza wygląda tak: LLM|{numeric_id}|{secret} — trzymaj go w zmiennej środowiskowej albo menedżerze sekretów, nigdy w kodzie.
Wybierz pierwsze zadanie, które udowodni pętlę
Wejdź przez cd do dowolnego repozytorium gita i uruchom muse. Agent czyta lokalny kontekst i otwiera pętlę zadań; ty opisujesz oczekiwane efekty zwykłym językiem. Oprzyj się pokusie startu od wielkiego refactoringu. Najszybszy sposób na zrozumienie charakteru Muse Code to małe, weryfikowalne zadanie — coś w stylu „dopisz brakujący test dla funkcji parseDate i upewnij się, że przechodzi“.
W ciągu paru minut zobaczysz podział pracy, który definiuje ten produkt: agent-robotnik szkicuje zmianę, agent-recenzent krytykuje ją w tle, a test faktycznie się wykonuje. Ten wzorzec robotnik-plus-recenzent jest domyślnie włączony dla każdego zadania — dlatego Meta opisuje produkt jako multi-agent by default, a nie multi-agent na życzenie.
Dwie dźwignie kosztów do opanowania pierwszego dnia
Muse Spark to model rozumujący: myśli, zanim odpowie, a tokeny myślenia rozliczają się jako output. Komenda /effort podkręca lub przykręca rozumowanie, więc rutynowa zmiana nazwy nie płaci za głęboką deliberację, a paskudny bug współbieżności może ją dostać. Po drugie, stałe zasady — twój ton, format, konwencje — należą do wiadomości systemowej ustawionej raz, a nie powtarzanej w każdym promptcie. Dzięki tym dwóm rzeczom rachunki z pierwszego dnia pozostają nudne — a o to właśnie chodzi.
Dokąd dalej
Kiedy pętla stanie się swojska, trzy wbudowane skille porządkują większą pracę: /plan zamienia zadanie w plan wymagający akceptacji, /grill maltretuje ten plan, aż się obroni, a /goal trzyma agenta na kursie do celu, który wyznaczysz. Omawiamy je dogłębnie we wpisie o wbudowanych skillach, a pełna referencja mieszka w dokumentacji.