Kiro CLIによるAnthropicのGenerator-Evaluator Harnessの複製：12回のイテレーションで構築されたウェブサイト

ある開発者が、GANに着想を得たAnthropicの長期間稼働アプリ向けGenerator-Evaluatorハーネスデザインを再現しました。アーキテクチャは、Planner（1回実行）の後、Generator ↔ Evaluatorループを12回繰り返します。各エージェントは独立したCLIプロセスで、共有コンテキストはゼロ、ファイル（spec.md、eval-report.md）を介してのみ通信します。EvaluatorはPlaywrightを使用してライブサイトを閲覧します（コードを読むだけではありません）。

主要なアーキテクチャ詳細

• 呼び出しごとにクリーンスレート: 各エージェントは新たに起動し、自分の入力ファイルのみを読み取ります。コンテキストの不安を防ぎます。
• テスト用のPlaywright MCP: ナビゲート、クリック、ビューポートのリサイズを行います。コードレビューでは決して見つからないビジュアルバグをキャッチします。
• Anthropicのフロントエンドデザインスキル: 一般的なAIパターン（Interフォント、紫のグラデーション、カードレイアウトなど）を明示的にペナルティします。創造的なリスクテイクを強制します。
• 継続的なイテレーション、失敗時の再試行ではない: 全12ラウンドが関係なく実行されます。各ラウンドで改善されます。

結果と統計

イテレーション1：機能的だが印象に残らない。イテレーション4：Generatorが「Terminal Noir」に転換—IBM Plex Mono、琥珀色に黒、グレインテクスチャ、スキャンライン。イテレーション5〜12：磨き、アクセシビリティ、レスポンシブ修正、動きの軽減サポート。

• 総時間：3時間20分
• イテレーション数：12（Generator + Evaluator各）
• 手動コード記述量：0行（後にいくつかの視覚的問題を修正）
• 技術：Next.js、Tailwind、Framer Motion、TypeScript

ライブ結果

https://mnemo-mcp.github.io/Mnemo/

重要な教訓

モデルはエンジンです。ハーネス—制約、フィードバックループ、対抗的構造—が、AIの粗製濫造になるか、本当に特徴的なものになるかを決定します。