Agent w końcu widzi aplikację, którą sam napisał

Agent potrafi dziś napisać cały ekran aplikacji mobilnej, ale nie ma pojęcia, czy ten ekran w ogóle się otwiera. Kod ląduje w commicie, symulator stoi obok na drugim monitorze i to człowiek w nim klika, żeby sprawdzić, czy przycisk reaguje. W czerwcu pisałem o agencie wbudowanym w Xcode, który jednym poleceniem przerabia cały projekt. Im lepiej takie narzędzia piszą kod, tym mocniej widać, że żadne z nich nie domyka pętli: piszą i ani razu nie patrzą na wynik swojej pracy.

Callstack, firma specjalizująca się w React Native, wypuścił agent-device, narzędzie na licencji MIT, które tę pętlę domyka. Agent sam uruchamia aplikację na symulatorze, emulatorze albo na podpiętym telefonie, klika w niej, sprawdza, co się stało, i zostawia zrzuty ekranu oraz logi do przejrzenia przez człowieka.

Można go wpiąć jako serwer MCP, choć README zaznacza, że bywają sytuacje, w których lepiej zostać przy zwykłym CLI. Niezależnie od wybranego wejścia, czyli CLI, MCP albo biblioteki dla Node.js, sesje, rezerwacja urządzeń i zbierane dowody działają tak samo, bo pod spodem pracuje ten sam runtime. Samą pętlę "obejrzyj, kliknij, sprawdź" Callstack pożyczył od agent-browser Vercela i przeniósł z przeglądarki na telefon.