leeway-ui-check

Leeway UI Check é uma ferramenta para validar modificações de UI feitas por agentes de codificação de IA, com suporte a cenários Web e Flutter. O fluxo básico é: o usuário fornece uma captura de referência e os requisitos da página, o agente de codificação modifica a página, o Leeway coleta o resultado implementado com Playwright e devolve relatórios de pixels, SSIM, layout e texto para uso na próxima rodada de correções. Principais capacidades - Compara a imagem de referência com a captura da página e gera mapas de diferença comuns, mapas de diferença estritos e localização de problemas por região. - Trata erros de texto, geometria, interação e recursos como condições de bloqueio independentes, em vez de misturá-los em uma pontuação única. - Interage com o agente de codificação por meio de cinco ferramentas MCP: enviar versão do código, consultar feedback, cancelar e entregar. - Salva snapshots do código-fonte, relatórios e evidências de cada rodada, permitindo revisar a versão correspondente antes da entrega. Como usar Os ambientes de desenvolvimento validados são Windows / PowerShell, Node 22.16.0 e Python 3.13. Na primeira instalação, é necessário clonar o repositório, executar npm ci, criar um ambiente virtual Python e instalar workers/requirements.txt, e então executar npm run setup:browser. Depois, é possível executar npm run build, npm run demo e npm run cli -- report para rodar três variantes de página predefinidas e abrir a página de relatório local (127.0.0.1:4318). Para integrar em projetos próprios, é preciso configurar a imagem de referência, o viewport, o diretório do código-fonte e o comando de inicialização a partir do modelo de tarefa, criar a tarefa e iniciar o worker, e então conectar o agente de codificação conforme o guia MCP. O ciclo completo é: o agente modifica o código-fonte → submit → o worker captura e compara → relatório → o agente modifica novamente. Limites e restrições O projeto se descreve como uma versão inicial local para um único usuário. As pontuações padrão servem para diagnóstico; a aceitação formal exige um profile validado. OCR, modelos visuais, isolamento de segurança e convergência automática com modelos reais ainda não foram implementados ou aceitos. O harness não tenta adivinhar o comportamento de negócio de botões automaticamente; as interações que precisam ser verificadas devem ser escritas na configuração da tarefa, e as sugestões de modificação no relatório são hipóteses a serem validadas. A documentação inclui guia de uso, integração MCP, perguntas frequentes, descrição da arquitetura, calibração de pontuação, registro de alterações, guia de contribuição e limites de segurança. O projeto usa a licença MIT.