Communitygithub.com

Claude DevFleet

Orchestriere Multi-Agent-Codeaufgaben mit Claude DevFleet – plane Projekte, starte parallele Agenten in isolierten Worktrees, überwache den Fortschritt und lies strukturierte Berichte aus. Nutze dies, um parallele Coding-Agenten über isolierte Worktrees zu verteilen und ihre Berichte zu verfolgen.

Was ist Claude DevFleet?

Claude DevFleet ist ein Tool zur Multi-Agent-Orchestrierung, das es ermöglicht, mehrere Claude Code Agenten gleichzeitig an Codierungsaufgaben in isolierten Git-Worktrees arbeiten zu lassen. Die Fähigkeit unterstützt die Planung von Projekten und Missionen (Aufgaben), das parallele Ausführen von Agenten, die automatische Nachverfolgung und das Zusammenführen von Änderungen sowie die Erstellung strukturierter Berichte. Sie ist besonders nützlich für die parallele Entwicklung großer Projekte, Sequenzen mit Überprüfungsschritten und die Automatisierung von Workflows mit Abhängigkeiten. DevFleet bietet Tools wie `plan_project`, `dispatch_mission`, `get_report` und `get_dashboard` und unterstützt bis zu drei gleichzeitige Agenten (konfigurierbar über `DEVFLEET_MAX_AGENTS`). Die Einrichtung erfolgt über ein separates Repository und die MCP-Integration. Entwickler profitieren von der Möglichkeit, komplexe Projekte in überschaubare, parallelisierte Aufgaben zu zerlegen und den Fortschritt sowie Fehler zentral zu überwachen.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/claude-devfleet

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Claude DevFleet Multi-Agent-Orchestrierung

Verwendungszweck

Verwende diese Fähigkeit, wenn du mehrere Claude Code Agenten gleichzeitig an Codierungsaufgaben arbeiten lassen möchtest. Jeder Agent läuft in einem isolierten Git-Worktree mit vollständiger Werkzeugausstattung.

Einrichtung

Der DevFleet-Server ist ein separates Projekt, das nicht im ECC enthalten ist. Installiere und starte ihn zuerst aus seinem Repository: https://github.com/LEC-AI/claude-devfleet

Verbinde dann die laufende Instanz über MCP:

claude mcp add devfleet --transport http http://localhost:18801/mcp

Überprüfe vor der ersten Nutzung, dass der auf Port 18801 lauschende Prozess die von dir installierte DevFleet-Binärdatei ist (siehe SECURITY.md zu localhost-MCP-Servern).

Funktionsweise

Benutzer → „Baue eine REST-API mit Authentifizierung und Tests“
  ↓
plan_project(prompt) → project_id + Mission DAG
  ↓
Zeige Plan dem Benutzer → Erhalte Genehmigung
  ↓
dispatch_mission(M1) → Agent 1 startet im Worktree
  ↓
M1 abgeschlossen → auto-merge → auto-dispatch M2 (depends_on M1)
  ↓
M2 abgeschlossen → auto-merge
  ↓
get_report(M2) → files_changed, what_done, errors, next_steps
  ↓
Berichte dem Benutzer zurück

Werkzeuge

WerkzeugZweck
plan_project(prompt)KI zerlegt eine Beschreibung in ein Projekt mit verketteten Missionen
create_project(name, path?, description?)Manuelles Erstellen eines Projekts, gibt project_id zurück
create_mission(project_id, title, prompt, depends_on?, auto_dispatch?)Mission hinzufügen. depends_on ist eine Liste von Missions-ID-Strings (z.B. ["abc-123"]). Setze auto_dispatch=true, um automatischen Start bei erfüllten Abhängigkeiten zu aktivieren.
dispatch_mission(mission_id, model?, max_turns?)Starte einen Agenten für eine Mission
cancel_mission(mission_id)Stoppe einen laufenden Agenten
wait_for_mission(mission_id, timeout_seconds?)Blockiere, bis eine Mission abgeschlossen ist (siehe Hinweis unten)
get_mission_status(mission_id)Prüfe den Missionsfortschritt ohne Blockierung
get_report(mission_id)Lese strukturierten Bericht (geänderte Dateien, getestet, Fehler, nächste Schritte)
get_dashboard()Systemübersicht: laufende Agenten, Statistiken, letzte Aktivitäten
list_projects()Alle Projekte durchsuchen
list_missions(project_id, status?)Missionen in einem Projekt auflisten

Hinweis zu wait_for_mission: Dies blockiert die Unterhaltung für bis zu timeout_seconds (Standard 600). Bei langlebigen Missionen empfiehlt sich stattdessen das Polling mit get_mission_status alle 30–60 Sekunden, damit der Benutzer Fortschrittsaktualisierungen sieht.

Workflow: Planen → Starten → Überwachen → Berichten

  1. Planen: Rufe plan_project(prompt="...") auf → gibt project_id und Liste von Missionen mit depends_on-Ketten und auto_dispatch=true zurück.
  2. Plan anzeigen: Präsentiere dem Benutzer Missions-Titel, -Typen und die Abhängigkeitskette.
  3. Starten: Rufe dispatch_mission(mission_id=<erste_mission_id>) auf der Wurzelmission (leeres depends_on) auf. Die restlichen Missionen starten automatisch, sobald ihre Abhängigkeiten erfüllt sind (da plan_project auto_dispatch=true setzt).
  4. Überwachen: Rufe get_mission_status(mission_id=...) oder get_dashboard() auf, um den Fortschritt zu prüfen.
  5. Berichten: Rufe get_report(mission_id=...) auf, wenn Missionen abgeschlossen sind. Teile die wichtigsten Ergebnisse mit dem Benutzer.

Gleichzeitigkeit

DevFleet führt standardmäßig bis zu 3 gleichzeitige Agenten aus (konfigurierbar über DEVFLEET_MAX_AGENTS). Wenn alle Slots belegt sind, werden Missionen mit auto_dispatch=true im Missions-Watcher in die Warteschlange gestellt und automatisch gestartet, sobald Slots frei werden. Überprüfe get_dashboard() auf die aktuelle Slot-Auslastung.

Beispiele

Vollautomatisch: Planen und starten

  1. plan_project(prompt="...") → zeigt Plan mit Missionen und Abhängigkeiten.
  2. Starte die erste Mission (die mit leerem depends_on).
  3. Die restlichen Missionen starten automatisch, sobald Abhängigkeiten aufgelöst sind (sie haben auto_dispatch=true).
  4. Berichte mit Projekt-ID und Missionsanzahl, damit der Benutzer weiß, was gestartet wurde.
  5. Rufe regelmäßig get_mission_status oder get_dashboard() auf, bis alle Missionen einen Endzustand erreicht haben (completed, failed oder cancelled).
  6. get_report(mission_id=...) für jede Endmission – fasse Erfolge zusammen und hebe Fehler mit Fehlermeldungen und nächsten Schritten hervor.

Manuell: Schritt-für-Schritt-Steuerung

  1. create_project(name="Mein Projekt") → gibt project_id zurück.
  2. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) für die erste (Wurzel-)Mission → erfasse root_mission_id. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"]) für jede nachfolgende Aufgabe.
  3. dispatch_mission(mission_id=...) auf der ersten Mission, um die Kette zu starten.
  4. get_report(mission_id=...), wenn fertig.

Sequentiell mit Überprüfung

  1. create_project(name="...") → erhalte project_id.
  2. create_mission(project_id=project_id, title="Funktion implementieren", prompt="...") → erhalte impl_mission_id.
  3. dispatch_mission(mission_id=impl_mission_id), dann poll mit get_mission_status, bis abgeschlossen.
  4. get_report(mission_id=impl_mission_id) zur Überprüfung der Ergebnisse.
  5. create_mission(project_id=project_id, title="Überprüfung", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) — startet automatisch, da die Abhängigkeit bereits erfüllt ist.

Richtlinien

  • Bestätige den Plan immer mit dem Benutzer, bevor du ihn ausführst, es sei denn, der Benutzer hat grünes Licht gegeben.
  • Füge Missions-Titel und -IDs in Statusmeldungen ein.
  • Wenn eine Mission fehlschlägt, lies ihren Bericht, bevor du sie erneut startest.
  • Prüfe get_dashboard() auf Verfügbarkeit von Agenten-Slots, bevor du massenhaft startest.
  • Missions-Abhängigkeiten bilden einen DAG – erstelle keine zirkulären Abhängigkeiten.
  • Jeder Agent läuft in einem isolierten Git-Worktree und führt beim Abschluss automatisch einen Merge durch. Bei Merge-Konflikten bleiben die Änderungen im Worktree-Branch des Agenten zur manuellen Auflösung erhalten.
  • Setze bei manueller Missionserstellung immer auto_dispatch=true, wenn sie automatisch starten sollen, sobald Abhängigkeiten erfüllt sind. Ohne dieses Flag bleiben Missionen im Status draft.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills