sadd:multi-agent-patterns
複雑なタスクに向けて、マルチエージェントアーキテクチャを設計できます。単一エージェントのコンテキスト制限を超える場合、タスクが自然にサブタスクに分解できる場合、または専門化されたエージェントが品質向上につながる場合に活用してください。
description の原文を見る
Design multi-agent architectures for complex tasks. Use when single-agent context limits are exceeded, when tasks decompose naturally into subtasks, or when specializing agents improves quality.
SKILL.md 本文
Claude Code向けマルチエージェントアーキテクチャパターン
マルチエージェントアーキテクチャは、それぞれが独自のフォーカスされたコンテキストを持つ複数のエージェント呼び出しに処理を分散させます。適切に設計すれば、この分散により単一エージェントの制限を超える機能が実現します。不適切に設計すると、利益を打ち消す調整オーバーヘッドが導入されます。重要な洞察は、サブエージェントは主にコンテキストを分離するために存在し、役割分担を擬人化するためではないということです。
コア概念
マルチエージェントシステムは、分散を通じて単一エージェントのコンテキスト制限に対処します。3つの主要なパターンが存在します。中央集約的な制御向けのスーパーバイザー/オーケストレーター、柔軟なハンドオフ向けのピアツーピア/スウォーム、層状の抽象化向けの階層型です。重要な設計原則はコンテキスト分離です。サブエージェントは主に組織的な役割をシミュレートするのではなく、コンテキストを分割するために存在します。
効果的なマルチエージェントシステムには、明示的な調整プロトコル、イエスマン的態度を回避するコンセンサスメカニズム、ボトルネック、発散、エラー伝播を含む失敗モードへの注意深い対応が必要です。
マルチエージェントアーキテクチャが必要な理由
コンテキストボトルネック
単一エージェ
...
詳細情報
- 作者
- fockus
- ライセンス
- unknown
- 最終更新
- 2026/5/5
Source: https://github.com/fockus/claude-skill-build / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。