AI导哈

技能创建代理

一个用于管理和创建AI技能的生产级代理框架，支持技能搜索、创建、验证和打包。

  • by AlexFischman
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 AlexFischman/mcp-skill-creator-agency

使用说明

SkillCreatorAgency–机构群初学者

一个生产就绪的启动器，用于运行使用独立代理的单代理Agency Swarm设置 Claude Skills MCP后端和 skill_creator 管理技能和工具的代理人。

🚀 快速开始

1.安装依赖项

pip install -r requirements.txt

2.设置环境变量

创建一个 .env 根目录中的文件：

# Required
OPENAI_API_KEY=your_openai_api_key_here

# Optional - Add any additional API keys your agents need
# EXAMPLE_API_KEY=your_api_key_here

3.运行独立的Claude Skills MCP后端

在一个终端中：

source venv/bin/activate
python scripts/start_claude_skills_mcp.py

这开始了 claude-skills-mcp-backend HTTP MCP服务器（矢量搜索， PyTorch等）使用 claude-skills-mcp-config.json 以及加载技能 mnt/skills.

让这个终端继续运行。

4.运营SkillCreatorAgency

在另一个终端中：

source venv/bin/activate
python agency.py

agency.py 仅连接到已运行的MCP后端；它不会试图启动它。 如果未检测到后端，它将打印如何启动并退出的说明。

🧩 利用SkillCreatorAgency培养新技能

一旦Claude Skills后端和代理都运行，您就可以使用终端UI创建 并迭代技能。

1.检查现有技能

在由启动的交互式终端中 python agency.py，你可以简单地问：

  • What skills are available?

这 skill_creator 代理人将：

  • 呼叫 Claude_Skills.find_helpful_skills 从语义上搜索相关技能。
  • 呼叫 Claude_Skills.list_skills 显示全部库存，包括：
    • 技能名称
    • 简短说明
    • 源路径位于 mnt/skills.

2.创建新技能（例如报告技能）

对话示例：

  • 你： I want to create a new reporting skill.
  • 代理人：
    • 使用 skill-creator 计划新技能的技能。
    • 提出一组简短的问题（名称、描述、数据来源、输出、交付等）。
    • 你可以详细回答或说： use defaults.

在幕后，代理人将：

  • 跑 python3 ./mnt/skills/skill-creator/scripts/init_skill.py <skill-name> --path ./mnt/skills/<folder> 通过 PersistentShellTool.

  • 初始化一个新的技能文件夹，如下所示：

    • mnt/skills/reporting-skill/
      • SKILL.md
      • scripts/
      • references/
      • assets/

  • 可选覆盖 SKILL.md 并添加启动脚本，例如：

    • scripts/generate_report.py –数据输入（CSV/SQLite），报告输出（CSV/XLSX/PDF），可选电子邮件。

3.迭代新技能

从那里你可以：

  • 要求代理人：

    • 打开或修改 SKILL.md.
    • 在下编辑或添加脚本 scripts/.
    • 添加参考文档或资产。

  • 使用来自的内置验证和打包脚本 skill-creator 技能：

    python3 ./mnt/skills/skill-creator/scripts/quick_validate.py ./mnt/skills/<folder>/<skill-name>
python3 ./mnt/skills/skill-creator/scripts/package_skill.py ./mnt/skills/<folder>/<skill-name> ./dist

此模式适用于您想要构建的任何新技能（报告、PDF处理、仪表板等）： 你用对话的方式描述技能 skill_creator 代理人策划 init_skill.py, 为您进行文件编辑、验证和打包。

🏗️ 项目结构

agency-starter-template/
├── agency.py                 # Main entry point (SkillCreatorAgency)
├── main.py                   # FastAPI integration entrypoint (do not modify)
├── requirements.txt          # Python dependencies
├── Dockerfile                # Container configuration
├── .env                      # Environment variables (create this)
├── AGENTS.md                 # Agent-creation workflow and instructions
├── shared_instructions.md    # Shared instructions for the agency
├── claude-skills-mcp-config.json   # Backend config (skills, embeddings, etc.)
├── scripts/
│   └── start_claude_skills_mcp.py  # Script to start standalone MCP backend
├── skill_creator/
│   ├── __init__.py
│   ├── skill_creator.py      # `skill_creator` Agent definition
│   ├── instructions.md       # Agent-specific instructions
│   ├── files/                # Local files accessible to the agent
│   └── tools/
│       └── __init__.py
├── servers/
│   └── claude_skills/        # Thin Python wrappers around Claude Skills MCP tools
│       ├── __init__.py
│       ├── find_helpful_skills.py
│       ├── list_skills.py
│       ├── read_skill_document.py
│       └── server.py
├── mnt/
│   └── skills/
│       └── skill-creator/    # Local skill for this repo
│           ├── SKILL.md
│           ├── LICENSE.txt
│           └── scripts/
│               ├── init_skill.py
│               ├── package_skill.py
│               └── quick_validate.py
├── tests/
│   ├── test_agency.py
│   └── test_claude_skills.py
└── venv/                     # Local virtualenv (not committed)

🔧 创建自己的代理机构

🤖 人工智能辅助光标创建代理

此模板包括 人工智能驱动的机构创建 使用游标IDE：

  1. 在Cursor IDE中打开此项目

  2. 使用AI助手 通过以下方式创建您的代理机构：

    📁 .cursor/rules/workflow.mdc

  3. 只需询问AI：

    “使用.coursor工作流创建新代理”

    AI将指导您完成完整的7步过程：

    • ✅ PRD创建
    • ✅ 文件夹结构设置
    • ✅ 工具开发
    • ✅ 代理创建
    • ✅ 机构配置
    • ✅ 测试与验证
    • ✅ 迭代与优化

📋 AI将为你做什么

AI助手将自动：

  • 创建正确的文件夹结构
  • 生成代理类和指令
  • 构建具有完整功能的自定义工具
  • 设置通信流
  • 创建主代理文件
  • 测试所有内容以确保其正常工作

🚀 手动替代方案（高级用户）

如果您更喜欢手动设置，请更换 ExampleAgency/ 按照agency Swarm惯例，使用自己的代理结构创建文件夹。

机构结构要求

您的机构必须遵循以下结构：

  • 代理文件夹：包含所有代理和宣言
  • 代理文件夹：每个代理都有自己的文件夹，其中包含：
    • AgentName.py -代理类定义
    • instructions.md -代理商特定说明
    • tools/ -包含代理工具的文件夹
  • agency_manifesto.md -所有代理的共享说明

🚀 生产部署

该仓库与Agencii平台和标准的Agency Swarm部署模式兼容， 但它首先是当地第一家SkillCreatorAgency的创始人。您可以调整现有 Dockerfile 和 main.py 对于您首选的托管环境。

🔨 开发工作流程

🎯 推荐：人工智能辅助开发

  1. 打开光标IDE 使用此模板
  2. 问AI: “使用.coursor工作流创建新代理”
  3. 遵循指导流程 -人工智能自动处理一切
  4. 测试你的机构: python agency.py
  5. 部署到生产环境：安装 Agencii GitHub应用程序 并推到main

⚙️ 手动开发（高级）

如果你更喜欢动手开发：

  1. 创建工具：在中构建代理工具 tools/ 文件夹
  2. 配置代理：写 instructions.md 和代理类
  3. 本地测试：运行 python agency.py
  4. 部署：推送到您喜欢的平台

这 .cursor/rules/workflow.mdc 该文件包含手动实现的完整开发规范。

📚 主要特点

  • 🌐 Agencii云部署：一键部署到 Agencii平台
  • 🤖 人工智能辅助创作：内置Cursor IDE工作流，用于自动化代理开发
  • 🔄 自动部署：推送到主分支时自动部署
  • 🚀 准备部署：包括Dockerfile和要求
  • 🔧 模块化结构：易于定制和扩展
  • 🛠️ 示例实现：完整的工作示例
  • 📦 集装箱准备就绪：适用于任何平台的Docker配置
  • 🔒 环境管理：通过Agentii仪表板安全处理API密钥
  • 🧪 局部测试：终端开发演示
  • 📋 引导式工作流程：人工智能辅助下的7步流程

📖 了解更多

学分和许可证

🤝 贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改
  4. 提交拉取请求

⚡ 快速提示

  • 从小做起：从1-2个代理开始，然后扩展
  • 测试工具：每个工具应独立工作
  • 清除指令：编写详细的代理说明
  • 环境设置：始终使用 .env 对于API密钥
  • 文档：在开发过程中更新说明

准备好建立你的人工智能机构了吗？ 🤖✨

🌐 生产路线（推荐）

  1. 注册 在 机构.ai
  2. 使用此模板 创建存储库
  3. 安装 Agencii GitHub应用程序
  4. 推到main → 自动部署！

🛠️ 发展路径

在中打开此模板 光标IDE 并要求人工智能使用 .cursor 工作流程。AI将自动处理从设置到测试的所有事情！

相关 MCP