Muse Code от Meta: как AI-агент меняет разработку программного обеспечения

Muse Code — это AI-агент для программирования, который работает непосредственно в терминале. Разработчик описывает задачу обычным языком, после чего агент анализирует проект, планирует изменения, редактирует файлы и проверяет результат.

Meta позиционирует Muse Code как инструмент для выполнения комплексных задач в больших репозиториях. Он может планировать изменения, писать код и валидировать результат, а также координировать несколько фоновых агентов, которые работают над отдельными частями задачи.

Так основная идея Muse Code заключается не в автоматическом написании отдельных строк кода, а в переходе к agentic workflow — процессу, в котором ИИ участвует сразу в нескольких этапах разработки.

Как работает Agentic Workflow

В традиционном сценарии разработчик сам разбивает задачу на этапы: изучает кодовую базу, определяет необходимые изменения, пишет код, запускает тесты и исправляет ошибки.

AI-агент может взять на себя значительную часть этой последовательности.

Работа Muse Code строится примерно следующим образом:

1. Анализирует задачу и кодовую базу. Агент получает контекст проекта и определяет, какие файлы и компоненты нужно изменить.
2. Формирует план. Вместо немедленной генерации кода он разбивает большую задачу на отдельные действия.
3. Пишет и изменяет код. Muse Code может работать сразу с несколькими файлами и выполнять команды в терминале.
4. Проверяет результат. Агент запускает необходимые проверки и анализирует полученный результат.
5. Продолжает работу. При необходимости он может внести дополнительные изменения, чтобы довести задачу до рабочего состояния.

Именно такая последовательность отличает coding agent от обычного AI-ассистента.

Несколько AI-агентов вместо одного

Одна из особенностей Muse Code — возможность использовать persistent background agents, то есть фоновых агентов, которые остаются активными в рамках сессии.

Такие агенты помогают собирать информацию и выполнять отдельные задачи параллельно с основным агентом. Это позволяет распределять сложную работу между несколькими процессами вместо последовательного выполнения каждого шага.

Для больших проектов такой подход особенно важен. Например, одна задача может одновременно требовать изменения backend, обновления тестов и проверки отдельных компонентов. AI-агенты могут работать с этими частями параллельно, после чего разработчик проверяет полученный результат.

Muse Spark как основа Muse Code

Muse Code работает вместе с Muse Spark — моделью Meta, оптимизированной для программирования и агентных задач.

Muse Spark 1.2 улучшает генерацию кода, отладку, понимание кодовой базы и выполнение комплексных developer workflows. Модель и Muse Code при этом обучались совместно, чтобы лучше работать друг с другом.

В сентябре Meta также представила Muse Spark 1.3, обновленную версию модели с улучшениями в кодинге и долгих агентных задачах. Сейчас Muse Spark используется в Muse Code и доступна через Meta Model API.

Что это значит для разработчиков

Появление таких инструментов постепенно меняет роль разработчика. Если раньше значительная часть времени уходила непосредственно на написание и исправление кода, то AI-агенты позволяют больше времени уделять архитектуре, постановке задач и проверке результата.

При этом автономность не означает отсутствие контроля.

Чем больше доступа получает AI-агент к репозиторию и инструментам разработки, тем важнее становятся code review, тестирование, права доступа и контроль изменений. Ошибка агента в небольшой функции и ошибка в архитектурном решении могут иметь совершенно разную стоимость.

Поэтому наиболее реалистичный сценарий развития — не «ИИ пишет весь код вместо человека», а человек управляет AI-агентами и проверяет их работу.