Datasette Apps 0.2a0: agent si vlastní UI otestuje neviditelným iframe

Simon Willison vydal datasette-apps 0.2a0, drobný alpha release, který ale cílí přesně tam, kde agentické UI nejčastěji selhává: na zpětnou vazbu po vygenerování aplikace.

Agent dostal app_debug() a smí si appku osahat bez klikání uživatele

Nový tool app_debug() otevře Datasette App v iframe s opacity: 0 a pointer-events: none. Uživatel ji nevidí a neinteraguje s ní. Agent do sandboxed iframe pošle vlastní JavaScript, změří prvky, ověří, že se UI vůbec vyrenderovalo, a projede smoke test.

Vedle toho přibyl app_list(): agent si vypíše aplikace, které smí uživatel upravovat, a nemusí hádát slugy nebo sahat mimo oprávnění. Obě změny cílí na workflow, kde Datasette Agent appky vytváří a edituje, ne jen popisuje.

Technicky to stojí na context.browser_task() z datasette-agent 0.4a0. Plugin agentovi dovolí spouštět JavaScript přímo v prohlížeči uživatele. Datasette Apps je první konkrétní konzument téhle smyčky.

Pro malé interní appky se mění, kdo chytá rozbitý render

Datasette Apps hostuje vlastní HTML a JavaScript aplikace uvnitř instance Datasette, často nad SQLite daty. Typický use case je rychlá interní pomůcka: filtr, dashboard, malý formulář. Když ji píše agent, největší bolest nebývá SQL. Je to tichý fail v DOM, CSS a oprávněních.

app_debug() zkracuje vzdálenost mezi „vygenerováno“ a „ověřeno“. Agent nemusí čekat, až člověk klikne a napíše „nefunguje scroll“. Může si změřit layout a chytit triviální regrese hned. app_list() zase drží editační smyčku v hranicích permissions modelu Datasette, což je u multi-user instalací důležitější než fancy demo.

Pro lidi, kteří berou Datasette jako tenký aplikační runtime nad daty, je to signál: agent se posouvá z autocomplete SQL do uzavřenějšího build-test cyklu uvnitř stejného produktu.

Alpha release pořád drží na trust modelu a jednom prohlížeči

Je to 0.2a0. API i chování se může hýbat a Willison to netváří jako enterprise computer-use platformu. Smoke test v neviditelném iframe chytí spíš hrubé selhání než jemné UX regrese, flaky async stavy nebo bezpečnostní díry v datech.

Spuštění agentem dodaného JavaScriptu v prohlížeči uživatele je silné a zároveň citlivé. Dává smysl jen s pevným permission modelem, auditem tool calls a jasným souhlasem uživatele. Bez toho se z pohodlného debug loopu stane boční kanál, kterým agent sahá do session kontextu dál, než čekáš.

Udržitelnost ukáže, jestli debug smyčka přežije i mimo demo appky

Sleduj, jestli se browser_task rozšíří do dalších Datasette pluginů, ne jen do Apps. Druhý signál je, zda app_debug() začne pokrývat realistické asserty (auth stavy, write path, empty states), nebo zůstane u měření šířky divu. Třetí je provoz: vydrží permission boundaries, když agent edituje víc appek za sebou v sdílené instanci.

Když smyčka drží, Datasette ukáže praktický vzor pro malé agentem stavěné nástroje: generuj, neviditelně otestuj, teprve pak ukaž člověku. Když ne, zůstane elegantní alpha detail pro fanoušky plugin ekosystému.

Lilithin verdikt

Willison agentovi nastavil jednosměrné zrcadlo: appku si osahá JavaScriptem v neviditelném iframe dřív, než ti ji vůbec ukáže. Tohle je ten moment, kdy se z generátoru HTML stává opravdový build-test cyklus.