Aplikasi desktop Kanban open-source yang menjalankan agen paralel di setiap kartu

 (kanbots.dev)
1 poin oleh GN⁺ 8 jam lalu | 1 komentar | Bagikan ke WhatsApp
  • KanBots adalah aplikasi desktop yang menjalankan Claude Code dan Codex secara paralel pada tiap kartu Kanban, serta menampilkan progres, keputusan, dan biaya di board secara real-time
  • Tiap eksekusi diisolasi dalam git worktree terpisah pada branch kanbots/issue-N, dan Anda dapat membuat board dengan memasukkan folder lalu menetapkan agen per kartu
  • Autopilot memutar persona seperti product, engineer, reviewer, dan tester dengan paralelisme maksimum 4 untuk membagi pekerjaan dan memperbarui backlog
  • Agen berhenti di titik yang memerlukan penilaian lalu menyajikan opsi, dan pengguna dapat melanjutkan dengan memilih nomor, mengedit lalu mengirim ulang, atau memakai /spec, /review, /split
  • Aplikasi desktop mengadopsi lisensi MIT gratis dan pendekatan local-first, sementara Cloud seharga $19 per kursi per bulan menyediakan sinkronisasi tim, notifikasi, dan dashboard

Konsep dasar KanBots

  • KanBots adalah aplikasi desktop yang menjalankan agen Claude Code dan Codex secara paralel per kartu di board Kanban
  • Tiap agen berjalan di git worktree terpisah pada branch kanbots/issue-N, dan board memperbarui progres, permintaan keputusan, serta biaya secara real-time
  • Saat folder dimasukkan, board akan dibuat, dan Anda dapat menetapkan agen Claude Code atau Codex ke beberapa kartu
  • Dalam mode eksekusi otomatis, persona membagi pekerjaan, menjalankannya secara paralel, lalu meninjau hasilnya
  • Aplikasi desktop ini gratis, berlisensi MIT, berbasis donasi, dan berjalan dengan pendekatan local-first

Susunan produk dan harga

  • Desktop OSS

    • Desktop bersifat local-first, tanpa akun, tanpa telemetri, gratis selamanya, dan menggunakan lisensi MIT
    • Mendukung macOS, Linux, dan Windows serta mencakup semua fitur
    • Fitur utamanya meliputi eksekusi agen paralel, eksekusi otomatis, prompt keputusan, persona bawaan dan kustom, analisis biaya real-time, pustaka recipe, kanbots-mcp-server, impor Sentry, mode GitHub Issues, pratinjau branch, pembuatan draft PR, dukungan Claude Code dan Codex, serta hook pra-push

  • Cloud untuk tim

    • Cloud adalah produk multi-pengguna yang dihosting, sementara agen tetap berjalan secara lokal di perangkat keras pengguna
    • Harganya $19 per kursi per bulan, atau $190 bila ditagih tahunan
    • Selain fitur OSS, tersedia indikasi kehadiran real-time di board, notifikasi penugasan anggota tim, sinkronisasi antarperangkat, notifikasi Slack, agregasi biaya seluruh organisasi, pengeditan kartu kolaboratif real-time, dashboard aktivitas agen per organisasi, dan Managed GitHub App
    • Fitur Enterprise mencakup audit log, SSO / SCIM, REST API dan PAT, serta webhook keluar
    • Fitur khusus Cloud dibatasi pada hal-hal yang memang bermakna ketika ada orang lain atau perangkat lain, sedangkan fitur untuk satu orang di satu mesin tetap termasuk di OSS

Alat dan integrasi yang didukung

  • Mendukung CLI Claude Code dan Codex
  • Mendukung pekerjaan GitHub Issues dan PR
  • Mendukung impor error Sentry
  • Cursor dan Claude Desktop dapat terintegrasi sebagai klien MCP
  • Penyimpanan lokal menggunakan SQLite
  • Shell desktop disediakan berbasis Electron

Fitur inti

  • Eksekusi kartu paralel

    • Agen dapat dijalankan serentak di beberapa kartu, dan tiap eksekusi berlangsung di git worktree miliknya sendiri serta branch kanbots/issue-N
    • Board memperbarui progres eksekusi, permintaan keputusan agen, dan akumulasi biaya secara real-time

  • Eksekusi otomatis dan persona

    • Anda dapat merangkai persona seperti product, engineer, reviewer, dan tester, lalu mengatur paralelisme hingga maksimum 4
    • Orchestrator memutar persona secara round-robin, membagi isu tingkat atas menjadi sub-tugas, dan memperbarui backlog dengan pekerjaan yang ditemukan agen
    • Persona dapat membuat persona lain

  • Eksekusi berpusat pada keputusan

    • Agen berhenti saat menemui keputusan yang diperlukan dan menampilkan opsi
    • Pengguna dapat melanjutkan eksekusi melalui pemilihan nomor, edit lalu kirim ulang, atau perintah slash seperti /spec, /review, /split
    • Alih-alih diam-diam mengubah pohon kerja, sistem ini meninggalkan alur keputusan yang bisa ditinjau

  • Integrasi Claude Code dan Codex

    • Claude Code maupun Codex bisa digunakan pada board yang sama, worktree yang sama, dan UI keputusan yang sama
    • KanBots menangani dua format stream di balik satu AgentCliAdapter
    • Anda dapat memakai claude /login yang sudah ada atau OPENAI_API_KEY

  • Penyimpanan local-first

    • Semua data berada di dalam .kanbots/ di samping repositori
    • Database SQLite, pengaturan, dan worktree disimpan secara lokal
    • Tidak ada akun cloud, telemetri, atau server HTTP, dan kode tidak meninggalkan mesin

  • Analisis biaya dan batas anggaran

    • Menyediakan agregasi biaya per eksekusi, per kartu, dan per proyek
    • Meter biaya terus bertambah saat agen bekerja
    • Anda dapat menetapkan batas per eksekusi dan per sesi, dan eksekusi akan dihentikan saat anggaran tercapai

  • Workflow GitHub

    • Dapat menangani isu GitHub nyata dengan PAT pribadi
    • Anda dapat mempromosikan worktree menjadi commit, atau membuka draft PR dengan satu klik
    • Hook pra-push mencegah agen memublikasikan hasilnya sendiri

  • Server MCP

    • kanbots-mcp-server mengekspos board melalui Model Context Protocol
    • Cursor, Claude Desktop, atau alat yang memahami MCP dapat menangani board
    • Board menjadi alat yang dapat digunakan agen lain

Workflow di dalam aplikasi

  • Autopilot

    • Pilih satu atau lebih persona, atur paralelisme, lalu mulai eksekusi otomatis
    • Maksimum 4 slot paralel memutar daftar persona secara round-robin
    • Tiap slot secara atomik mengambil persona berikutnya, dan agen membagi isu tingkat atas menjadi sub-tugas selama proses berlangsung
    • Berhenti saat selesai atau saat anggaran sesi tercapai
    • Contoh layar menampilkan Claude Opus 4.7, effort medium, paralelisme 2, dengan persona Product Manager dan Senior Engineer dipilih

  • Decisions

    • Thread eksekusi men-stream semua tool_use dan tool_result secara real-time
    • Saat agen mencapai titik yang membutuhkan penilaian, eksekusi berhenti dan opsi bernomor ditampilkan
    • Kolom balasan menerima perintah seperti /spec, /review, /split
    • Dalam contoh implementasi token reset kata sandi, ditampilkan opsi seperti JWT sekali pakai, token opak yang disimpan di DB, magic link, atau penjelasan trade-off terlebih dahulu
    • Layar eksekusi menampilkan model, waktu berlalu, jumlah token, biaya, status, prioritas, folder, worktree, branch, base branch, dan author

  • Personas

    • Persona adalah potongan system prompt yang diberi nama
    • Persona bawaan disertakan dalam aplikasi, dan pengguna dapat menulis persona baru untuk disimpan dan digunakan ulang
    • Persona kustom disimpan secara lokal di mesin terkait
    • Contoh bawaan meliputi Product Manager, Senior Engineer, UX Designer, Growth Lead, dan Reliability Engineer

  • Providers

    • Claude Code dan Codex dapat digunakan di balik satu AgentCliAdapter
    • Login claude /login atau codex login yang sudah ada dapat dipakai ulang, tanpa perlu akun tambahan atau pengelolaan kunci tambahan
    • Anda dapat mengganti provider pada setiap eksekusi
    • Codex CLI mensyaratkan codex tersedia di PATH, dan penulisan draf isu serta analisis Sentry masih dijalankan di Claude
    • Login Codex dapat membuka auth.openai.com di browser atau menggunakan variabel lingkungan OPENAI_API_KEY

  • Tasks

    • Tugas baru menyediakan templat bug fix, fitur, refactor, review, dan spike
    • Metode mulai dapat dipilih antara spec-first, langsung dijalankan setelah dibuat, atau dimasukkan ke antrean untuk nanti
    • Judul digunakan sebagai nama branch dan judul PR
    • spec-first menjalankan /spec untuk mematangkan acceptance criteria dan membiarkannya menunggu persetujuan
    • Tugas baru membuat worktree baru dan membuat branch di bawah .kanbots/worktrees/issue-N berbasis main

  • Chat

    • Disediakan agen serbaguna untuk mengajukan pertanyaan tentang workspace
    • Agen mengetahui repositori, test, dan status git lalu menjawab pertanyaan
    • Dicontohkan pencarian route API tanpa rate limiting, penambahan rateLimit({ windowMs: 60_000, max: 10 }) ke /api/login dan /api/signup, lalu penulisan test hingga lolos

Cara kerja Autopilot

  • Autopilot adalah mode yang menerima isu dan anggaran lalu memperbarui backlog secara mandiri
  • Orchestrator memutar daftar persona secara round-robin dan menjalankan hingga 4 slot secara paralel
  • Sistem membagi isu tingkat atas menjadi sub-tugas dan terus berputar sampai pekerjaan konvergen atau batas biaya tercapai
  • Contoh menampilkan paralelisme 4, model opus 4.7, anggaran sesi $25.00 dengan $4.27 telah terpakai, dan status siklus ke-14

  • Memilih daftar persona

    • Anda dapat memakai persona bawaan atau mendefinisikan sendiri system prompt untuk disimpan dan digunakan ulang
    • Persona kustom tidak meninggalkan mesin

  • Mengatur paralelisme

    • Paralelisme dapat diatur dari 1 hingga 4
    • Tiap slot mengambil persona berikutnya secara atomik melalui penghitung round-robin
    • Empat agen dapat berjalan serentak dari empat perspektif dan empat worktree

  • Pembagian tugas

    • Saat agen menemukan pekerjaan, kartu baru dibuat di board
    • Siklus berikutnya mengambil kartu baru itu, sehingga backlog membesar dan mengecil di bawah orchestrator

  • Berhenti saat anggaran habis atau selesai

    • Anggaran biaya per sesi membatasi total pengeluaran
    • Tombol stop menghentikan eksekusi induk dan semua eksekusi anak
    • Eksekusi yang sedang berjalan akan menyelesaikan iterasi saat ini dengan bersih

Mode QA

  • Mode QA menjalankan typecheck, tests, lint, build, dan e2e di dalam worktree
  • Jika perlu, mode ini dapat memulai dan memantau server pengembangan
  • Untuk setiap pemeriksaan yang gagal, mode ini menetapkan eksekusi perbaikan dari isu anak turunan
  • Proses diulang sampai pemeriksaan lolos

Cara penyediaan dan penutup

  • Aplikasi desktop OSS disediakan secara gratis, berlisensi MIT, dan tanpa akun
  • Penekanannya adalah membawa semua eksekusi agen ke atas Kanban agar terlihat, bisa diputuskan, dan terisolasi
  • Saat tim perlu berbagi board, mereka dapat beralih ke Cloud
  • Format unduhan yang tersedia adalah macOS .dmg, Windows .exe, dan Linux .AppImage / .tar.xz

Bacaan terkait

1 komentar

 
GN⁺ 8 jam lalu
Komentar Hacker News

  • Saya terus bertanya-tanya bagaimana orang menerima hasil kerja agen semalaman
    Bahkan di repo side project pribadi, hasil dari 30 menit merencanakan dan 30 menit mengimplementasikan terasa terlalu besar untuk ditinjau. Setelah sekitar 5 menit, kadang saya malah menyuruh AI mengulanginya lagi meski kode sedang tumpah ruah

    • Narasi belakangan ini berfokus pada AI yang menulis seluruh atau sebagian besar kode, tetapi kenyataannya sepertinya persentase kode yang benar-benar ditinjau manusia sedang mendekati nol jauh lebih cepat daripada yang orang sadari atau mau akui
    • Sebagian besar aktivitas agen seperti itu adalah menelusuri apa yang sudah dibuat sebelumnya, lalu memaksakan batasan agar saat ditinjau, hasil yang sampai ke meja bisa agak lebih dapat diprediksi
      Menurut saya, struktur file yang kuat juga membantu. Meninjau file 3.000 baris yang baru saja dibuat adalah yang terburuk, dan saya juga tidak akan menerima hasil seperti itu baik dari manusia maupun mesin. Jika terbagi ke beberapa file di lokasi yang tepat, beban kognitifnya berkurang
      Kadang saya juga meninjau sambil berdialog dengan agen. Misalnya, saya tanya file mana yang paling penting untuk ditinjau lebih dulu
      Saya suka men-stage perubahan ke tumpukan “LGTM”. Jika nanti perlu revisi, saya bilang ke agen, “tolong tinjau perubahan yang belum di-stage. Di bagian ini saya ingin dilakukan dengan cara lain”
    • Tidak ada yang meninjau kode. Para manajer juga tidak ingin kita meninjau kode. Karena itu jadi bottleneck
      Kalau ada yang salah, yaitu kalau muncul bug, ya diperbaiki saat itu juga. Ini era yang sangat menyedihkan bagi rekayasa perangkat lunak. Kalau dulu industri kita masih punya unsur engineering, sekarang sebagian besar sudah hilang, dan kita cuma menebak-nebak sambil menulis file skills seperti “tolong jangan masukkan bug” atau “kamu bukan penyewa, kamu pemilik”
      Tingkat usahanya rendah dan determinismenya juga sangat rendah. Aplikasi besar seperti GitHub terus bermasalah karena sampah AI, dan di sistem yang kurang terkenal malah lebih sering terlihat. Hal yang sama juga terjadi di perusahaan kami maupun SaaS lain yang kami pakai
      Product manager dari awal memang tidak peduli pada kode, engineering manager tidak lagi peduli pada kode seperti saat mereka masih menjadi engineer, para director sama sekali tidak memikirkan kode, dan CTO sekarang bahkan tidak tahu lagi seperti apa bentuk kodenya
      Kita berada di ujung rantai, dan karena kita tahu betul bahwa sistem yang baik dibangun di atas kode yang baik, kita dulu bangga membuat kode yang rapi dan mudah dipelihara. Namun sekarang kita sendiri sedang menempatkan diri dalam bahaya, dan pihak yang tak lagi peduli pada kode itu justru kita para engineer, sementara AI memperparah masalah tersebut
    • Biasanya target saya adalah setelah Claude bekerja semalaman, hasil akhirnya hanya tersisa sekitar 500 baris kode
      Sebagian besar waktunya dipakai untuk mencoba berbagai pendekatan dan merangkumnya, lalu memberi saya diff yang relatif kecil agar bisa saya tinjau dan perbaiki
    • Saya juga punya pertanyaan yang sama. Jawaban yang biasanya saya dengar dari orang yang benar-benar menjalankannya dengan baik adalah mereka tidak melihat kodenya, atau setidaknya tidak melihatnya secara detail
      Secara pribadi, saya selalu merasa perlu mengutak-atik hasil yang dibuat agen. Saya masih bertanya-tanya apakah kontrol itu memang harus saya lepaskan

  • Ini mengingatkan saya pada Vibe Kanban(https://vibekanban.com/) yang saya pakai untuk mengelola agen coding di sebagian besar proyek
    Sayangnya, developer Vibe Kanban memutuskan berhenti berinvestasi pada proyek ini karena tidak melihat jalur monetisasi. Karena open source, kita masih bisa menjalankannya secara lokal atau mem-fork-nya, tetapi pengembangannya sudah berhenti dan masih ada bug mengganggu yang belum diperbaiki. Saya pribadi tidak punya waktu untuk merawatnya
    Saya sebenarnya bersedia membayar untuk Vibe Kanban, hanya saja saya tidak butuh fitur paket berbayar. Kalau dipikir-pikir lagi, mungkin saya seharusnya tetap membayar
    Saya juga akan mencoba Kanbots. Rasanya tidak masalah kalau secara agresif meniru fitur-fitur Vibe Kanban. Khususnya dukungan remote dan tombol “Open in VS Code” sangat penting buat saya. Dalam kasus saya, tombol itu membuka klien VSCode lokal yang terhubung ke server VSCode remote

    • Vibe Kanban benar-benar harta karun dalam hal fitur yang berguna
      Selama 1–2 minggu terakhir, saya sedang bekerja membawa alat baru ini ke tingkat paritas fitur dengan VK, lalu menambahkan perbaikan lain juga. Saya juga sudah mengunggah beberapa screenshot ke Discord Vibe Kanban. Semoga saat siap dirilis nanti, ini juga cocok untuk use case Anda
      Alat saya menargetkan fitur yang lebih baik daripada VK baik di papan Kanban maupun workspace agen, dan juga menambahkan sistem ekstra seperti pengelolaan jendela desktop, plugin, integrasi VSCode di browser, serta UI server-rendered mirip htmx
      Pendekatan remote-nya juga berbeda. Alih-alih menjalankan web server dari laptop untuk mengakses agen coding remote, seperti OpenClaw saya meng-host semuanya dan mengakses UI desktop remote lewat browser

  • Fakta bahwa ini “local-first, tanpa server. Semuanya ada di .kanbots/ di samping repo: database SQLite, konfigurasi, worktree. Tidak ada akun cloud, tidak ada telemetry, tidak ada HTTP server. Inilah open source desktop edition” adalah syarat dasar untuk mempertimbangkan adopsi alat seperti ini

    • Saya tidak tahu yang dimaksud dengan “alat seperti ini” itu apa
      Kalau AI-nya bersifat agentic, saya berharap product manager mana pun bisa mengobrol satu jam lalu mengintegrasikan Jira dengan semacam loop agen
      Jira, Trello, Linear, Basecamp semuanya punya API, dan sepertinya juga ada CLI yang bisa dipakai agen. Seharusnya tidak perlu developer atau SaaS untuk membuatnya paham bahwa saat pekerjaan dimulai tiket harus di-checkout, berisi instruksi, lalu saat selesai dipindahkan ke DONE
    • Dari halamannya, meski dipakai lokal, tertulis bahwa fitur ini tetap membutuhkan login akun cloud, jadi saya memutuskan untuk tidak mencobanya
      Sejujurnya ini memang terlihat keren. Tapi alat yang terlihat keren seperti itu juga sudah cukup banyak

  • Awalnya kata “Kanban” dipakai Toyota untuk menjelaskan sistem kartu, dan sistem itu membantu mencapai beberapa tujuan penting seperti mencegah terlalu banyak pekerjaan berjalan bersamaan dan memvisualisasikan pekerjaan
    Secara umum, Kanban dipakai untuk mengelola alur kerja agar cacat tidak lolos
    Tetapi alat ini lebih mirip “mendorong sebanyak mungkin pekerjaan paralel yang bisa dibayangkan untuk dihasilkan”. Ini tidak mengelola aliran output berkualitas, juga tidak membatasi pekerjaan. Cuma memasukkan semuanya ke agen dan membakar token seperti orang gila
    Menyebut ini “Kanban” benar-benar mengganggu saya. Rasanya seperti penistaan

  • Saat saya menjalankan agen tanpa pengawasan, frustrasinya lebih banyak daripada keberhasilannya
    Saya percaya teknologinya pada akhirnya akan sampai ke sana, tetapi untuk sekarang setiap agen masih butuh satu IDE, dan menggabungkan pekerjaannya juga merepotkan

  • Saya membagikan proyek open source terbaru. Ini adalah papan Kanban dengan agen paralel
    Saya sedang berusaha meningkatkannya dengan lebih banyak fitur, dan akan senang jika ada kontribusi ke repo, baik berupa code contribution maupun ide

    • Kerja bagus. Saya pernah mencoba membuat agen internal menjalankan Kanban dengan mengelompokkan workflow dari proyek Jira yang sudah ada, jadi senang melihat proyek ini di HN hari ini
      Sepertinya akan menyenangkan mengikuti perkembangan pekerjaan ini
    • Coba lihat tulisan minions di blog developer Stripe. Arahnya tampak mirip

  • Bukankah ini pada dasarnya yang dilakukan Windsurf? Pada akhirnya semua UI seperti ini hanya lapisan kosmetik di atas agen
    [0] https://windsurf.com/blog/windsurf-2-0

    • Ada beberapa aplikasi yang membantu menyerahkan pekerjaan ke agen dari papan Kanban
      Bagi saya, saya butuh alur dengan lebih banyak campur tangan manusia. Cara melempar pekerjaan ke agen tanpa bisa melihat kumpulan perubahan dengan baik dan tanpa peluang mengubah arah itu tidak cocok
      https://www.agentkanban.io menghubungkan papan tugas dengan GitHub Copilot Chat di VS Code lewat extension, sehingga kita mendapatkan manajemen tugas sekaligus penangkapan konteks dari chat ke pekerjaan. Jadi kita bisa memanfaatkan kelebihan lingkungan eksekusi tingkat atas yaitu VS Code, sambil tetap punya fitur manajemen tugas/proyek
    • Saya tidak melihat masalahnya di sini. Apakah memang ada masalah?
      Linear juga sedang mengerjakan arah ini secara langsung
    • Windsurf itu open source?

  • Bagian yang tidak saya mengerti dari alat-alat seperti ini adalah bagaimana mereka menangani menjalankan infrastruktur di worktree yang berbeda-beda
    Misalnya kalau ada web app, setiap worktree harus bisa menjalankan infrastrukturnya sendiri, dan masing-masing harus bisa diakses lewat URL lokal yang unik. Dengan begitu kita bisa melihat perubahan di tiap worktree secara lokal, atau membiarkan agen mengotomatisasi pengecekan visual lewat sesuatu seperti agent-browser
    Saat ini saya memakai Docker untuk infrastruktur, dan setiap service berjalan di kontainernya sendiri. Ada skrip ./app worktree create worktreename, dan skrip ini membuat worktree bernama “worktreename” lalu menjalankan seluruh infrastruktur Docker dengan prefiks seperti “WORKTREENAME”. Jadi semua URL bisa diakses di worktreename.myapp.test, sedangkan worktree utama cukup memakai myapp.test
    Sekarang ini berjalan baik, tetapi akan bagus kalau salah satu aplikasi seperti ini kompatibel dengan konsep tersebut sehingga saya bisa pindah ke sana

    • Di tempat kerja kami punya masalah yang sama, jadi saya meminta CC membuat alat CLI bun yang sangat sederhana untuk membuat, menghapus, dan menampilkan worktree
      CLI itu mengisi file .env dengan URL dan database untuk worktree tersebut, lalu menjalankan development server di port unik menggunakan package open source portless dari Vercel. Jadi setiap worktree mendapat URL sendiri
    • Coba lihat emdash.sh. Setiap task menjalankan worktree-nya sendiri, dengan environment variable yang sudah ditentukan sebelumnya disuntikkan ke dalamnya
      Ini termasuk EMDASH_PORT, yaitu port unik dalam rentang 10 port. Sangat berguna saat menjalankan banyak service dalam satu monorepo
    • Saya memakai shell script untuk membuat dan menghapus worktree
      Shell script itu mencari port unik yang belum dipakai di semua worktree yang ada, lalu menetapkannya ke .env lokal saat worktree dibuat. Saat worktree di-merge dan dihapus, port itu juga dilepas
      Secret yang tidak spesifik per worktree tidak saya simpan di .env lokal, melainkan saya injeksikan lewat shell
      Jujur saja, menulis skrip lokal seperti ini untuk otomatisasi pekerjaan pengembangan sangat mudah dan bisa digabungkan dengan baik dengan semua alat CLI lain. Karena itu saya belum pernah mencoba aplikasi GUI. Saya tidak tahu apakah ia bisa bersaing dengan setup lokal kustom yang bekerja persis seperti yang saya inginkan
    • Kenapa tidak pakai direnv saja? Port untuk meng-host halaman lokal memang perlu disesuaikan, tetapi cukup ambil N=mod(...) dari hash berbasis nama worktree lalu port=default_port+N
      Tinggal suruh Claude yang mengatur. Dengan satu prompt saja harusnya bisa

  • “‘kanbots’ rusak dan tidak bisa dibuka. Anda harus memindahkannya ke tempat sampah”
    Error ini terlalu cocok sebagai hal pertama yang ditemui di software vibe coding

  • Bukankah ini cuma vibe-kanban?
    https://github.com/BloopAI/vibe-kanban

    • Pesaing bisa saja ada
    • Itu benar-benar ada di Bloop. Memang karya asli Bloop