MCP HubMCP Hub
Retour aux compétences

create-team

pjt222
Mis à jour 2 days ago
6 vues
17
2
17
Voir sur GitHub
Métaautomationdesign

À propos

La compétence `create-team` génère de nouveaux fichiers de composition d'équipes multi-agents en suivant des modèles standardisés et les conventions du registre. Elle gère la définition de l'objectif de l'équipe, la sélection des membres, les modèles de coordination, la décomposition des tâches et la documentation automatisée. Utilisez-la pour définir des flux de travail multi-agents, assembler des agents pour des processus d'examen complexes, ou créer des groupes coordonnés pour des tâches collaboratives récurrentes.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-team

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Neues Team erstellen

Eine Multi-Agenten-Teamzusammensetzung definieren, die zwei oder mehr Agenten koordiniert, um Aufgaben zu erledigen, die mehrere Perspektiven, Spezialgebiete oder Phasen erfordern. Die resultierende Teamdatei wird in die Teams-Registry integriert und kann in Claude Code namentlich aktiviert werden.

Wann verwenden

  • Eine Aufgabe erfordert mehrere Perspektiven, die ein einzelner Agent nicht liefern kann (z.B. Code-Review plus Sicherheitspruefung plus Architektur-Review)
  • Ein wiederkehrender kollaborativer Workflow mit konsistenten Rollenzuweisungen und Uebergabemustern wird benoetigt
  • Eine bestehende Agenten-Zusammensetzung wird wiederholt verwendet und soll formalisiert werden
  • Ein komplexer Prozess zergliedert sich natuerlich in Phasen oder Spezialgebiete, die von verschiedenen Agenten behandelt werden
  • Eine koordinierte Gruppe fuer sprint-basierte, pipeline-basierte oder parallele Arbeit definiert werden soll

Eingaben

  • Erforderlich: Teamname (Kleinbuchstaben-Kebab-Case, z.B. data-pipeline-review)
  • Erforderlich: Teamzweck (ein Absatz der beschreibt, welches Problem mehrere Agenten erfordert)
  • Erforderlich: Lead-Agent (muss in agents/_registry.yml existieren)
  • Optional: Koordinationsmuster (Standard: hub-and-spoke). Eines von: hub-and-spoke, sequential, parallel, timeboxed, adaptive
  • Optional: Anzahl der Mitglieder (Standard: 3-4; empfohlener Bereich: 2-5)
  • Optional: Quellmaterial (bestehender Workflow, Runbook oder Ad-hoc-Teamzusammensetzung zur Formalisierung)

Vorgehensweise

Schritt 1: Teamzweck definieren

Artikulieren, welches Problem mehrere gemeinsam arbeitende Agenten erfordert. Ein gueltiger Teamzweck muss antworten:

  1. Welches Ergebnis liefert dieses Team? (z.B. ein umfassender Pruefbericht, eine bereitgestellte Anwendung, ein Sprint-Inkrement)
  2. Warum kann ein einzelner Agent dies nicht tun? Mindestens zwei unterschiedliche Spezialgebiete oder Perspektiven identifizieren.
  3. Wann sollte dieses Team aktiviert werden? Ausloesebedingungen definieren.

Den Zweck als einen Absatz schreiben, den ein Mensch oder Agent lesen kann, um zu entscheiden, ob dieses Team aktiviert werden soll.

Erwartet: Ein klarer Absatz, der das Wertangebot des Teams erklaert, mit mindestens zwei identifizierten unterschiedlichen Spezialgebieten.

Bei Fehler: Falls keine zwei unterschiedlichen Spezialgebiete identifiziert werden koennen, braucht die Aufgabe wahrscheinlich kein Team. Stattdessen einen einzelnen Agenten mit mehreren Skills verwenden.

Schritt 2: Lead-Agenten auswaehlen

Der Lead-Agent orchestriert das Team. Einen Agenten aus agents/_registry.yml waehlen, der:

  • Ueber Domain-Expertise relevant fuer den primaeren Output des Teams verfuegt
  • Eingehende Anfragen in Teilaufgaben fuer andere Mitglieder zerlegen kann
  • Ergebnisse von mehreren Pruefern zu einem kohaerenten Lieferobjekt zusammenfuehren kann
# Alle verfuegbaren Agenten auflisten
grep "^  - id:" agents/_registry.yml

Der Lead muss auch als Mitglied in der Teamzusammensetzung erscheinen (der Lead ist immer ein Mitglied).

Erwartet: Ein Agent als Lead ausgewaehlt, dessen Existenz in der Agenten-Registry bestaetigt.

Bei Fehler: Falls kein bestehender Agent fuer die Lead-Rolle passt, zuerst einen erstellen mit dem Skill create-agent. Kein Team mit einem Lead erstellen, der nicht als Agentendefinition existiert.

Schritt 3: Mitglieder-Agenten auswaehlen

2-5 Mitglieder (einschliesslich des Leads) mit klaren, nicht ueberlappenden Verantwortlichkeiten waehlen. Fuer jedes Mitglied definieren:

  • id: Agentenname aus der Agenten-Registry
  • role: Ein kurzer Titel (z.B. "Qualitaetspruefer", "Sicherheitsauditor", "Architektur-Reviewer")
  • responsibilities: Ein Satz der beschreibt, was dieses Mitglied tut, was kein anderes tut
# Pruefen ob jeder Kandidat-Agent existiert
grep "id: agent-name-here" agents/_registry.yml

Nicht-Ueberschneidung pruefen: keine zwei Mitglieder sollten dieselbe primaere Verantwortlichkeit haben. Falls Verantwortlichkeiten sich ueberschneiden, entweder die Rollen zusammenfuehren oder die Grenzen schaerfen.

Erwartet: 2-5 Mitglieder ausgewaehlt, jeweils mit einer einzigartigen Rolle und klaren Verantwortlichkeiten, alle in der Agenten-Registry bestaetigt.

Bei Fehler: Falls ein benotigter Agent nicht existiert, zuerst einen erstellen. Falls Verantwortlichkeiten zwischen zwei Mitgliedern ueberlappen, sie umschreiben, um Grenzen zu klaeren, oder ein Mitglied entfernen.

Schritt 4: Koordinationsmuster waehlen

Das Muster waehlen, das am besten zum Workflow des Teams passt. Die fuenf Muster und ihre Anwendungsfaelle:

MusterWann verwendenBeispielteams
hub-and-spokeLead verteilt Aufgaben, sammelt Ergebnisse, synthetisiert. Am besten fuer Review- und Audit-Workflows.r-package-review, gxp-compliance-validation
sequentialJeder Agent baut auf der Ausgabe des vorherigen auf. Am besten fuer Pipelines und phasenweise Workflows.fullstack-web-dev, tending
parallelAlle Agenten arbeiten gleichzeitig an unabhaengigen Teilaufgaben. Am besten wenn Teilaufgaben keine Abhaengigkeiten haben.devops-platform-engineering
timeboxedArbeit in feste Iterationen unterteilt. Am besten fuer laufende Projektarbeit mit einem Backlog.scrum-team
adaptiveTeam selbst-organisiert sich basierend auf der Aufgabe. Am besten fuer unbekannte oder hochvariable Aufgaben.opaque-team

Entscheidungshilfe:

  • Falls der Lead alle Ergebnisse sehen muss, bevor er Output liefert: hub-and-spoke
  • Falls Agent B die Ausgabe von Agent A benoetigt, um zu beginnen: sequential
  • Falls alle Agenten ohne Ergebnisse der anderen arbeiten koennen: parallel
  • Falls die Arbeit mehrere Iterationen mit Planungszeremonien umfasst: timeboxed
  • Falls die Aufgabenstruktur nicht im Voraus vorhersagbar ist: adaptive

Erwartet: Ein Koordinationsmuster mit einer klaren Begruendung fuer die Wahl.

Bei Fehler: Im Zweifel hub-and-spoke verwenden. Es ist das haeufigste Muster und funktioniert fuer die meisten Review- und Analyse-Workflows.

Schritt 5: Aufgabenzerlegung entwerfen

Definieren, wie eine typische eingehende Anfrage auf die Teammitglieder aufgeteilt wird. Als Phasen strukturieren:

  1. Einrichtungsphase: Was der Lead tut, um die Anfrage zu analysieren und Aufgaben zu erstellen
  2. Ausfuehrungsphase: Woran jedes Mitglied arbeitet (parallel, sequenziell oder pro Sprint je nach Koordinationsmuster)
  3. Synthesephase: Wie Ergebnisse gesammelt und das endgueltige Lieferobjekt erstellt wird

Fuer jedes Mitglied 3-5 konkrete Aufgaben auflisten, die sie bei einer typischen Anfrage erledigen wuerden.

Erwartet: Eine phasenbezogene Zerlegung mit konkreten Aufgaben pro Mitglied, die dem gewahlten Koordinationsmuster entspricht.

Bei Fehler: Falls Aufgaben zu vage sind (z.B. "prueft Dinge"), sie spezifischer machen (z.B. "prueft Code-Stil gegen den tidyverse Style Guide, prueft Testabdeckung, bewertet Fehlermeldungsqualitaet").

Schritt 6: Die Teamdatei schreiben

Vorlage kopieren und alle Abschnitte ausfuellen:

cp teams/_template.md teams/<team-name>.md

Folgende Abschnitte in dieser Reihenfolge ausfuellen:

  1. YAML-Frontmatter: name, description, lead, version ("1.0.0"), author, created, updated, tags, coordination, members[] (jeweils mit id, role, responsibilities)
  2. Titel: # Team Name (menschenlesbar, Titelschreibweise)
  3. Einfuehrung: Zusammenfassender Absatz
  4. Zweck: Warum dieses Team existiert, welche Spezialgebiete es vereint
  5. Teamzusammensetzung: Tabelle mit Spalten Mitglied, Agent, Rolle, Schwerpunkte
  6. Koordinationsmuster: Prosabeschreibung plus ASCII-Diagramm des Ablaufs
  7. Aufgabenzerlegung: Phasengliederung mit konkreten Aufgaben pro Mitglied
  8. Konfiguration: Maschinenlesbarer CONFIG-Block (siehe Schritt 7)
  9. Verwendungsszenarien: 2-3 konkrete Szenarien mit Beispiel-Benutzeranfragen
  10. Einschraenkungen: 3-5 bekannte Beschraenkungen
  11. Siehe auch: Links zu Mitglieder-Agentendateien und verwandten Skills/Teams

Erwartet: Eine vollstaendige Teamdatei mit allen ausgefuellten Abschnitten, ohne verbleibenden Platzhaltertext aus der Vorlage.

Bei Fehler: Mit einer bestehenden Teamdatei vergleichen (z.B. teams/r-package-review.md), um die Struktur zu pruefen. Nach Vorlage-Platzhalterstrings wie "your-team-name" oder "another-agent" suchen.

Schritt 7: Den CONFIG-Block schreiben

Der CONFIG-Block zwischen <!-- CONFIG:START --> und <!-- CONFIG:END --> liefert maschinenlesbares YAML fuer Werkzeuge. So strukturieren:

<!-- CONFIG:START -->
```yaml
team:
  name: <team-name>
  lead: <lead-agent-id>
  coordination: <pattern>
  members:
    - agent: <agent-id>
      role: <role-title>
      subagent_type: <agent-id>
    # ... fuer jedes Mitglied wiederholen
  tasks:
    - name: <task-name>
      assignee: <agent-id>
      description: <einzeilige Beschreibung>
    # ... fuer jede Aufgabe wiederholen
    - name: synthesize-report
      assignee: <lead-agent-id>
      description: <Synthesebeschreibung>
      blocked_by: [<prior-task-names>]
```
<!-- CONFIG:END -->

Das Feld subagent_type ordnet Claude Code-Agententypen zu. Fuer Agenten in .claude/agents/ die Agenten-ID als subagent_type verwenden. blocked_by zur Ausdrueckung von Aufgabenabhaengigkeiten verwenden.

Erwartet: CONFIG-Block ist gueltiges YAML, alle Agenten stimmen mit denen in der Frontmatter-Mitgliederliste ueberein und Aufgabenabhaengigkeiten bilden einen gueltigen DAG (keine Zyklen).

Bei Fehler: YAML-Syntax pruefen. Sicherstellen, dass jeder assignee in der Aufgabenliste einem agent in der Mitgliederliste entspricht. Pruefen ob blocked_by nur Aufgabennamen referenziert, die frueher in der Liste definiert wurden.

Schritt 8: Zur Registry hinzufuegen

teams/_registry.yml bearbeiten, um das neue Team hinzuzufuegen:

- id: <team-name>
  path: <team-name>.md
  lead: <lead-agent-id>
  members: [<agent-id-1>, <agent-id-2>, ...]
  coordination: <pattern>
  description: <einzeilige Beschreibung, die dem Frontmatter entspricht>

Den total_teams-Zaehler am Anfang der Registry aktualisieren.

# Pruefen ob der Eintrag hinzugefuegt wurde
grep "id: <team-name>" teams/_registry.yml

Erwartet: Neuer Eintrag erscheint in der Registry, total_teams-Zaehler ist um eins erhoeht.

Bei Fehler: Falls der Teamname bereits in der Registry existiert, einen anderen Namen waehlen oder den bestehenden Eintrag aktualisieren. Pruefen ob die YAML-Einrueckung mit bestehenden Eintraegen uebereinstimmt.

Schritt 9: README-Automatisierung ausfuehren

README-Dateien aus der aktualisierten Registry neu generieren:

npm run update-readmes

Erwartet: Befehl beendet mit 0, teams/README.md listet jetzt das neue Team auf.

Bei Fehler: npm run check-readmes ausfuehren, um zu sehen, welche Dateien veraltet sind. Falls das Skript fehlschlaegt, pruefen ob package.json im Repository-Stamm existiert und js-yaml installiert ist (npm install).

Schritt 10: Team-Aktivierung pruefen

Testen, ob das Team in Claude Code aktiviert werden kann:

User: Verwende das <team-name>-Team fuer <typische Aufgabenbeschreibung>

Claude Code sollte:

  1. Die Teamdatei unter teams/<team-name>.md finden
  2. Lead und Mitglieder identifizieren
  3. Das in der Datei beschriebene Koordinationsmuster befolgen

Erwartet: Claude Code erkennt den Teamnamen, identifiziert den korrekten Lead und die Mitglieder und befolgt das Koordinationsmuster.

Bei Fehler: Pruefen ob die Teamdatei unter teams/<team-name>.md liegt (nicht in einem Unterverzeichnis). Pruefen ob alle Mitglieder-Agenten in .claude/agents/ existieren (das auf agents/ verweist). Bestaetigen, dass das Team in teams/_registry.yml aufgefuehrt ist.

Schritt 11: Uebersetzungen anlegen

Erforderlich fuer alle Teams. Dieser Schritt gilt sowohl fuer menschliche Autoren als auch fuer KI-Agenten, die dieser Vorgehensweise folgen. Nicht ueberspringen — fehlende Uebersetzungen sammeln sich zu einem veralteten Backlog an.

Unmittelbar nach dem Committen des neuen Teams Uebersetzungsdateien fuer alle 4 unterstuetzten Locales anlegen:

for locale in de zh-CN ja es; do
  npm run translate:scaffold -- teams <team-name> "$locale"
done

Anschliessend die angelegte Prosa in jeder Datei uebersetzen (Code-Bloecke und IDs bleiben auf Englisch). Abschliessend die Statusdateien neu generieren:

npm run translation:status

Erwartet: 4 Dateien unter i18n/{de,zh-CN,ja,es}/teams/<team-name>.md erstellt, alle mit source_commit, der dem aktuellen HEAD entspricht. npm run validate:translations zeigt 0 Stale-Warnungen fuer das neue Team.

Bei Fehler: Falls das Scaffolding fehlschlaegt, pruefen ob das Team in teams/_registry.yml existiert. Falls sich die Statusdateien nicht aktualisieren, npm run translation:status explizit ausfuehren — es wird nicht automatisch von CI ausgeloest.

Validierung

  • Teamdatei existiert unter teams/<team-name>.md
  • YAML-Frontmatter wird fehlerfrei geparst
  • Alle Pflicht-Frontmatter-Felder vorhanden: name, description, lead, version, author, coordination, members[]
  • Jedes Mitglied im Frontmatter hat id, role und responsibilities
  • Alle Abschnitte vorhanden: Purpose, Team Composition, Coordination Pattern, Task Decomposition, Configuration, Usage Scenarios, Limitations, See Also
  • CONFIG-Block existiert zwischen <!-- CONFIG:START --> und <!-- CONFIG:END --> Markierungen
  • CONFIG-Block-YAML ist gueltig und parsebar
  • Alle Mitglieder-Agenten-IDs existieren in agents/_registry.yml
  • Lead-Agent erscheint in der Mitgliederliste
  • Keine zwei Mitglieder teilen dieselbe primaere Verantwortlichkeit
  • Team ist in teams/_registry.yml mit korrektem Pfad, Lead, Mitgliedern und Koordination aufgefuehrt
  • total_teams-Zaehler in der Registry ist erhoeht
  • npm run update-readmes wird ohne Fehler abgeschlossen

Haeufige Stolperfallen

  • Zu viele Mitglieder: Teams mit mehr als 5 Mitgliedern sind schwer zu koordinieren. Der Overhead des Verteilens von Aufgaben und Synthetisierens von Ergebnissen ueberwiegt den Nutzen zusaetzlicher Perspektiven. In zwei Teams aufteilen oder auf wesentliche Spezialgebiete reduzieren.
  • Ueberlappende Verantwortlichkeiten: Falls zwei Mitglieder beide "Code-Qualitaet pruefen", werden ihre Ergebnisse in Konflikt stehen. Jedes Mitglied muss einen klar unterschiedlichen Schwerpunktbereich haben.
  • Falsches Koordinationsmuster: hub-and-spoke verwenden, wenn Agenten die Ausgaben der anderen benoetigen (sollte sequential sein), oder sequential verwenden, wenn Agenten unabhaengig arbeiten koennen (sollte parallel sein).
  • Fehlender CONFIG-Block: Der CONFIG-Block ist kein optionaler Prosa-Schmuck. Werkzeuge lesen ihn, um Teams automatisch mit TeamCreate zu erstellen. Ohne ihn ist die Teamdatei nur menschenlesbar.
  • Lead-Agent nicht in der Mitgliederliste: Der Lead muss auch als Mitglied mit eigener Rolle und Verantwortlichkeiten erscheinen. Ein Lead, der nur "koordiniert" ohne substantielle Arbeit zu leisten, verschwendet einen Slot.

Verwandte Skills

  • create-skill - folgt demselben Meta-Muster fuer das Erstellen von SKILL.md-Dateien
  • create-agent - Agentendefinitionen erstellen, die als Teammitglieder dienen
  • commit-changes - die neue Teamdatei und Registry-Aktualisierungen committen

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/de/skills/create-team
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence