Cookbook

Receitas que rodam já na primeira cópia.

Cada receita resolve um problema específico, mostra código que funciona e aponta o próximo passo. Comece pelos fundamentos da API para dominar as primitivas, depois acrescente loops de agente e casos de uso completos. Notebooks do Colab + arquivos Python independentes.

Ver no GitHub →Site oficial do cookbook

Receitas do Muse Code

PADRÕES DE AGENTES

Os padrões centrais que extraem o máximo do Muse Code, direto dos materiais de lançamento.

>
Fan-out de agentes
Divida um trabalho grande entre vários subagentes, cada um no seu próprio worktree, para nada colidir no meio do caminho e sua cópia de trabalho continuar limpa.
>
Skills integradas
Você coloca uma ideia bruta e sai uma funcionalidade testada sob pressão e validada — os playbooks integrados /plan, /grill e /goal fazem o trabalho.
>
Rastreamento de objetivo
Defina seu objetivo e o Muse Code mantém o agente focado na tarefa, de modo que o que você queria no início é o que acaba no merge.

Fundamentos da API

10 receitas

Comprove que cada primitiva da API funciona e ganhe um ponto de partida para construir em cima.

01Início rápido: chat completionsFaça sua primeira chamada ao Muse Spark apontando o OpenAI SDK para uma nova base URL.02Respostas em streamingRenderize os tokens conforme são gerados e leia o bloco final de uso.03Chamadas de ferramentas e funçõesDetecte chamadas de ferramentas e monte o loop de executar e devolver resultados.04Saída estruturadaObtenha JSON garantido por schema que parseia de primeira.05Cache de promptsReutilize um prefixo de prompt estável e acompanhe os tokens em cache.06Tokens de raciocínio e pensamentoControle o esforço de raciocínio e reaproveite o raciocínio entre turnos.07Entrada de visãoEnvie imagens por URL ou em base64 e receba uma análise estruturada de volta.08Contexto longoColoque contexto na escala de um repositório inteiro na janela de 1M de tokens.09Tratamento de erros e retryAplique backoff com jitter e não repita tentativas em erros de cliente.10Grounding com buscaFundamente as respostas em resultados de busca web ao vivo, com citações inline.

Padrões de agentes

5 receitas

Construa os loops que transformam um modelo em um agente: planejamento, trabalho em paralelo e autocorreção.

01Loop de agente básicoMonte o loop central de agente perceber-decidir-agir.02Raciocínio intercaladoIntercale raciocínio e chamadas de ferramentas em um mesmo turno.03Gestão de contexto multi-turnoAdministre um contexto que só cresce ao longo de uma execução longa do agente.04Edições in loco validadasEdições de buscar e substituir validadas com um agente de código.05Copiloto contra fadiga de alertasExtraia padrões fundamentados de um feed de alertas ruidoso, depois investigue, converse e faça autoavaliação com saída JSON estrita.

Casos de uso

13 receitas

Padrões de ponta a ponta: percepção multimodal, orquestração e aplicações completas.

01Análise de gráficosLeia gráficos e extraia dados estruturados de imagens.02Correção por captura de erroDiagnostique um bug a partir de uma captura de tela de erro e corrija-o.03Óculos inteligentes com OpenClawOlhe e pergunte sem usar as mãos nos óculos Ray-Ban Meta.04Geração de slidesGere uma apresentação a partir de um prompt ou de um conteúdo de origem.05Design web verificado no navegadorConstrua um site com um agente de código que confere o próprio trabalho em um navegador de verdade.06Desenvolvimento iterativo de jogosConstrua um jogo de navegador de ponta a ponta com um agente de código, verificado em um navegador de verdade.07Execução em sandboxExecute código gerado pelo modelo dentro de um sandbox.08Estúdio de produto multiagenteOrquestre uma equipe de quatro perfis (PM, backend, frontend, redator técnico) coordenada por um quadro Kanban compartilhado.09Desenvolvimento de jogo em uma passadaConstrua um jogo 3D de navegador completo em uma única passada — um AGENTS.md mais um prompt estruturado, sem loop de iteração.10Grounding de percepçãoIdentifique os alimentos em uma foto de geladeira e fixe pontos interativos de nota de saúde nas coordenadas de pixel.11Agente de repositório do GitHubBot autônomo de GitHub Actions — triagem, revisão de PRs, detecção de conteúdo raso feito com IA e PRs de correção de bugs — sobre OpenCode + Muse Spark.12Uso do computadorControle um desktop Linux a partir de capturas de tela — o agente encontra um aplicativo, abre e joga em um sandbox da Cua.13Uso do computador no macOSControle um Mac de verdade a partir de capturas de tela com o metacua, um agente de uso do computador nativo em Swift + Python.

Toda receita precisa de uma coisa só: uma key.

Crie uma conta da Model API em dev.meta.ai, gere uma API key e exporte-a como MODEL_API_KEY. A API é compatível sem mudanças com o OpenAI SDK — veja o trecho de início rápido na documentação.

Ler a documentação