Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

team-composition-patterns

サイジングのヒューリスティック、プリセット設定、エージェントタイプ選択を用いて、最適なエージェントチーム構成を設計します。タスクに対してスポーンするエージェント数を決定する際、レビューチーム・フィーチャーチーム・デバッグチームのいずれかを選択する際、各ロールに適切な `subagent_type` を指定してエージェントが必要なツールを持てるようにする際、CI環境やローカル環境向けに表示モード(tmux、iTerm2、インプロセス)を設定する際、またはマイグレーションやセキュリティ監査といった非標準ワークフロー向けにカスタムチーム構成を構築する際に使用してください。

description の原文を見る

Design optimal agent team compositions with sizing heuristics, preset configurations, and agent type selection. Use this skill when deciding how many agents to spawn for a task, when choosing between a review team versus a feature team versus a debug team, when selecting the correct subagent_type for each role to ensure agents have the tools they need, when configuring display modes (tmux, iTerm2, in-process) for a CI or local environment, or when building a custom team composition for a non-standard workflow such as a migration or security audit.

SKILL.md 本文

チーム構成パターン

マルチエージェントチームの構成、チームサイズの選択、エージェントタイプの選択、および Claude Code の Agent Teams 機能のディスプレイモード設定に関するベストプラクティス。

このスキルを使用する場合

  • タスクのためにスポーンするチームメートの数を決定する
  • プリセットチーム構成から選択する
  • 各ロールに適切なエージェントタイプ (subagent_type) を選択する
  • チームメートのディスプレイモード (tmux, iTerm2, in-process) を設定する
  • 標準的でないワークフロー用のカスタムチーム構成を構築する

チームサイジングのヒューリスティック

複雑性チームサイズ使用場面
シンプル1-2単一次元のレビュー、分離されたバグ、小規模機能
中程度2-3マルチファイル変更、2-3 の懸念事項、中規模機能
複雑3-4横断的関心事、大規模機能、深いデバッグ
非常に複雑4-5フルスタック機能、包括的レビュー、システム上の問題

経験則: すべての必要な次元をカバーする最小のチームから始めます。チームメートを追加すると調整オーバーヘッドが増加します。

プリセットチーム構成

レビューチーム

  • サイズ: 3 名のレビュアー
  • エージェント: 3x team-reviewer
  • デフォルト次元: セキュリティ、パフォーマンス、アーキテクチャ
  • 使用する場合: コード変更が多次元的品質評価を必要とする場合

デバッグチーム

  • サイズ: 3 名の調査者
  • エージェント: 3x team-debugger
  • デフォルト仮説: 3 つの競合仮説
  • 使用する場合: バグに複数の根本原因の可能性がある場合

フィーチャーチーム

  • サイズ: 3 (1 名のリード + 2 名の実装者)
  • エージェント: 1x team-lead + 2x team-implementer
  • 使用する場合: 機能を並列作業ストリームに分解できる場合

フルスタックチーム

  • サイズ: 4 (1 名のリード + 3 名の実装者)
  • エージェント: 1x team-lead + 1x フロントエンド team-implementer + 1x バックエンド team-implementer + 1x テスト team-implementer
  • 使用する場合: 機能がフロントエンド、バックエンド、テストレイアーにまたがる場合

リサーチチーム

  • サイズ: 3 名のリサーチャー
  • エージェント: 3x general-purpose
  • デフォルト領域: 各メンバーに異なるリサーチ質問、モジュール、またはトピックを割り当て
  • 機能: コードベース検索 (Grep、Glob、Read)、Web 検索 (WebSearch、WebFetch)
  • 使用する場合: コードベースを理解する、ライブラリをリサーチする、アプローチを比較する、またはコードと Web ソースから並列して情報を収集する必要がある場合

セキュリティチーム

  • サイズ: 4 名のレビュアー
  • エージェント: 4x team-reviewer
  • デフォルト次元: OWASP/脆弱性、認証/アクセス制御、依存関係/サプライチェーン、シークレット/設定
  • 使用する場合: 複数の攻撃面をカバーする包括的なセキュリティ監査を行う場合

マイグレーションチーム

  • サイズ: 4 (1 名のリード + 2 名の実装者 + 1 名のレビュアー)
  • エージェント: 1x team-lead + 2x team-implementer + 1x team-reviewer
  • 使用する場合: 大規模コードベースマイグレーション (フレームワークアップグレード、言語ポート、API バージョンバンプ) が並列作業と正確性検証を必要とする場合

エージェントタイプの選択

Agent ツールを使用してチームメートをスポーンする際、チームメートが必要とするツールに基づいて subagent_type を選択します:

エージェントタイプ利用可能なツール使用用途
general-purposeすべてのツール (Read、Write、Edit等)実装、デバッグ、ファイル変更が必要なすべてのタスク
Explore読み込み専用ツール (Read、Grep、Glob)リサーチ、コード探索、分析
Plan読み込み専用ツールアーキテクチャプランニング、タスク分解
agent-teams:team-reviewerすべてのツール構造化された結果を伴うコードレビュー
agent-teams:team-debuggerすべてのツール仮説駆動型調査
agent-teams:team-implementerすべてのツールファイル所有権の枠内での機能構築
agent-teams:team-leadすべてのツールチーム調整と協調

重要な区別: 読み込み専用エージェント (Explore、Plan) はファイルを変更できません。実装タスクを読み込み専用エージェントに割り当てないでください。

ディスプレイモード設定

~/.claude/settings.json で設定します:

{
  "teammateMode": "tmux"
}
モード動作最適な用途
"tmux"各チームメートが tmux ペイン内開発ワークフロー、複数エージェントの監視
"iterm2"各チームメートが iTerm2 タブ内macOS ユーザーの iTerm2 好みの場合
"in-process"すべてのチームメートが同一プロセスシンプルなタスク、CI/CD 環境

カスタムチームのガイドライン

カスタムチームを構築する際:

  1. すべてのチームにはコーディネーターが必要team-lead を指定するか、ユーザーが直接調整する
  2. ロールをエージェントタイプに合わせる — 利用可能な場合、特化したエージェント (reviewer、debugger、implementer) を使用する
  3. 重複したロールを避ける — 同じことをしている 2 つのエージェントはリソースを無駄にする
  4. 事前に境界を定義する — 各チームメートはファイルまたは責任の明確な所有権が必要
  5. 小規模に保つ — 2-4 名のチームメートが最適。5 名以上は重大な調整オーバーヘッドを必要とする

トラブルシューティング

チームメートが Explore としてスポーンされたが、ファイルを書き込む必要がある。 ExplorePlan は読み込み専用エージェントです。subagent_typegeneral-purpose または適切な専化したエージェントタイプに変更します。実装タスクを読み込み専用エージェントに割り当てないでください。

チームが大きくなりすぎて、調整が進行を遅くしている。 各追加チームメートは通信オーバーヘッドを追加します。ロールを統合します: 1 つのエージェントが 2 つの次元をカバーできますか? 6 つの独立したタスクを行っている 4 人のチームは、通常 2 つのタスクをそれぞれカバーする 3 名のエージェントで対応します。

tmux モードがペインを表示していない。 チームメートをスポーンする前に tmux がインストールされていることと、セッションがすでに実行されていることを確認します。in-process モードは tmux なしで動作し、CI またはスクリプト環境に適しています。

2 人のレビュアーが同じ問題にフラグを立てている。 レビュー次元が重なっています。各レビュアーのフォーカス領域を再定義します: 1 人が正確性/ロジック、1 人がセキュリティ、1 人がパフォーマンス/スケーラビリティを担当。重複したカバレッジはトークンを無駄にし、重複した結果を生成します。

team-lead がチームメートをスポーンしているが、タスクを受け取っていない。 リードが Agent ツールを使用してチームメートをスポーンし、プロンプトで完全なコンテキストを渡していることを確認します。チームメートは事前の会話履歴なしで新規に開始します — 初期プロンプトですべての関連情報が必要です。

関連スキル

  • parallel-feature-development — チーム構成後、作業ストリームを分解してファイル所有権を割り当てる
  • team-communication-protocols — 組み立てられたチーム向けにメッセージング規範とシャットダウン手順を確立する

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
wshobson
リポジトリ
wshobson/agents
ライセンス
MIT
最終更新
不明

Source: https://github.com/wshobson/agents / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

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。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

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。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

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。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

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。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

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。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: wshobson · wshobson/agents · ライセンス: MIT