Communitygithub.com

Team Builder

Interaktive Agentenauswahl, um parallele Teams von KI-Agenten für eine Aufgabe zusammenzustellen und zu starten.

Was ist Team Builder?

Der Team Builder ist ein Skill, der es dir ermöglicht, dynamisch auf Abruf mehrere KI-Agenten (Personas) aus einer Sammlung von Markdown-Dateien auszuwählen und parallel zu beauftragen. Du kannst z.B. einen Security Engineer, SEO Specialist und Software Architect parallel an verschiedenen Aspekten deines Projekts arbeiten lassen. Der Skill unterstützt sowohl flache als auch Unterverzeichnis-Strukturen, erkennt Agenten automatisch über den `claude agents`-Befehl und liest deren Anweisungen aus Markdown-Dateien. Nach der Agentenauswahl (maximal 5) startet er alle Agenten gleichzeitig und erstellt einen synthetisierten Ergebnisbericht mit Übereinstimmungen und Konflikten. Der Skill ist ideal für Ad-hoc-Zusammenstellungen von Expertenteams aus verschiedenen Domänen, ohne dass die Agenten miteinander kommunizieren müssen.

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

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Team Builder?

Interaktives Menü zum Durchsuchen und Zusammenstellen von Agententeams auf Anfrage. Funktioniert mit flachen oder domänenunterverzeichnis-basierten Agentensammlungen.

Wann verwenden

  • Du hast mehrere Agenten-Personas (Markdown-Dateien) und möchtest auswählen, welche du für eine Aufgabe verwenden möchtest
  • Du möchtest ein Ad-hoc-Team aus verschiedenen Domänen zusammenstellen (z. B. Sicherheit + SEO + Architektur)
  • Du möchtest durchstöbern, welche Agenten verfügbar sind, bevor du dich entscheidest

Voraussetzungen

Agentendateien müssen Markdown-Dateien sein, die einen Persona-Prompt enthalten (Identität, Regeln, Arbeitsablauf, Ergebnisse). Die erste # Überschrift wird als Agentenname und der erste Absatz als Beschreibung verwendet.

Sowohl flache als auch Unterverzeichnis-Layouts werden unterstützt:

Unterverzeichnis-Layout – die Domäne wird aus dem Ordnernamen abgeleitet:

agents/
├── engineering/
│   ├── security-engineer.md
│   └── software-architect.md
├── marketing/
│   └── seo-specialist.md
└── sales/
    └── discovery-coach.md

Flaches Layout – die Domäne wird aus gemeinsamen Dateinamenspräfixen abgeleitet. Ein Präfix zählt als Domäne, wenn es von 2+ Dateien geteilt wird. Dateien mit eindeutigen Präfixen werden unter "Allgemein" gruppiert. Hinweis: Der Algorithmus teilt beim ersten -, daher sollten mehrwortige Domänen (z. B. produktmanagement) stattdessen das Unterverzeichnis-Layout verwenden:

agents/
├── engineering-security-engineer.md
├── engineering-software-architect.md
├── marketing-seo-specialist.md
├── marketing-content-strategist.md
├── sales-discovery-coach.md
└── sales-outbound-strategist.md

Konfiguration

Agenten werden über zwei Methoden entdeckt, zusammengeführt und nach Agentennamen dedupliziert:

  1. claude agents Befehl (primär) – führe claude agents aus, um alle dem CLI bekannten Agenten zu erhalten, einschließlich Benutzeragenten, Plugin-Agenten (z. B. ecc:architect) und eingebauten Agenten. Dies deckt automatisch ECC-Marktplatzinstallationen ab, ohne dass eine Pfadkonfiguration erforderlich ist.
  2. Datei-Glob (Fallback, zum Lesen des Agenteninhalts) – Agenten-Markdown-Dateien werden gelesen von:
    • ./agents/**/*.md + ./agents/*.md – projektlokale Agenten
    • ~/.claude/agents/**/*.md + ~/.claude/agents/*.md – globale Benutzeragenten

Frühere Quellen haben Vorrang bei Namenskollisionen: Benutzeragenten > Plugin-Agenten > eingebaute Agenten. Ein benutzerdefinierter Pfad kann stattdessen verwendet werden, wenn der Benutzer einen angibt.

Wie es funktioniert

Schritt 1: Verfügbare Agenten entdecken

Führe claude agents aus, um die vollständige Agentenliste zu erhalten. Analysiere jede Zeile:

  • Plugin-Agenten sind mit plugin-name: vorangestellt (z. B. ecc:security-reviewer). Verwende den Teil nach : als Agentennamen und den Plugin-Namen als Domäne.
  • Benutzeragenten haben kein Präfix. Lese die entsprechende Markdown-Datei aus ~/.claude/agents/ oder ./agents/, um Namen und Beschreibung zu extrahieren.
  • Eingebaute Agenten (z. B. Explore, Plan) werden übersprungen, es sei denn, der Benutzer bittet explizit darum, sie einzuschließen.

Für Benutzeragenten, die aus Markdown-Dateien geladen werden:

  • Unterverzeichnis-Layout: Extrahiere die Domäne aus dem Namen des übergeordneten Ordners
  • Flaches Layout: Sammle alle Dateinamenspräfixe (Text vor dem ersten -). Ein Präfix qualifiziert sich nur dann als Domäne, wenn es in 2 oder mehr Dateinamen vorkommt (z. B. beginnen engineering-security-engineer.md und engineering-software-architect.md beide mit engineering → Domäne Engineering). Dateien mit eindeutigen Präfixen (z. B. code-reviewer.md, tdd-guide.md) werden unter "Allgemein" gruppiert
  • Extrahiere den Agentennamen aus der ersten # Überschrift. Wenn keine Überschrift gefunden wird, leite den Namen aus dem Dateinamen ab (entferne .md, ersetze Bindestriche durch Leerzeichen, Titel-Fall)
  • Extrahiere eine einzeilige Zusammenfassung aus dem ersten Absatz nach der Überschrift

Wenn nach der Ausführung von claude agents und dem Durchsuchen der Dateispeicherorte keine Agenten gefunden werden, informiere den Benutzer: "Keine Agenten gefunden. Führe claude agents aus, um deine Einrichtung zu überprüfen." Dann stoppe.

Schritt 2: Domänen-Menü anzeigen

Verfügbare Agentendomänen:
1. Engineering — Software Architect, Security Engineer
2. Marketing — SEO Specialist
3. Sales — Discovery Coach, Outbound Strategist

Wähle Domänen oder nenne bestimmte Agenten (z. B. "1,3" oder "security + seo"):
  • Überspringe Domänen mit null Agenten (leere Verzeichnisse)
  • Zeige die Agentenanzahl pro Domäne an

Schritt 3: Auswahl verarbeiten

Akzeptiere flexible Eingabe:

  • Zahlen: "1,3" wählt alle Agenten aus Engineering und Sales aus
  • Namen: "security + seo" führt eine unscharfe Suche gegen die entdeckten Agenten durch
  • "alle aus engineering" wählt jeden Agenten in dieser Domäne aus

Wenn mehr als 5 Agenten ausgewählt werden, liste sie alphabetisch auf und bitte den Benutzer einzugrenzen: "Du hast N Agenten ausgewählt (max. 5). Wähle aus, welche behalten werden sollen, oder sage 'erste 5', um die ersten fünf alphabetisch zu verwenden."

Auswahl bestätigen:

Ausgewählt: Security Engineer + SEO Specialist
Woran sollen sie arbeiten? (Aufgabe beschreiben):

Schritt 4: Agenten parallel starten

  1. Lese die Markdown-Datei jedes ausgewählten Agenten
  2. Fordere zur Aufgabenbeschreibung auf, falls noch nicht vorhanden
  3. Starte alle Agenten parallel mit dem Agent-Tool:
    • subagent_type: "general-purpose"
    • prompt: "{Agentendatei-Inhalt}\n\nAufgabe: {Aufgabenbeschreibung}"
    • Jeder Agent läuft unabhängig – keine agentenübergreifende Kommunikation erforderlich
  4. Wenn ein Agent fehlschlägt (Fehler, Zeitüberschreitung oder leere Ausgabe), notiere den Fehler inline (z. B. "Security Engineer: fehlgeschlagen – [Grund]") und fahre mit den Ergebnissen der erfolgreichen Agenten fort

Schritt 5: Ergebnisse synthetisieren

Sammle alle Ausgaben und präsentiere einen einheitlichen Bericht:

  • Ergebnisse gruppiert nach Agent
  • Syntheseabschnitt mit Hervorhebung:
    • Übereinstimmungen zwischen Agenten
    • Konflikte oder Spannungen zwischen Empfehlungen
    • Empfohlene nächste Schritte

Wenn nur 1 Agent ausgewählt wurde, überspringe die Synthese und präsentiere die Ausgabe direkt.

Regeln

  • Nur dynamische Entdeckung. Hartcodierte Agentenlisten niemals verwenden. Neue Dateien im Verzeichnis erscheinen automatisch im Menü.
  • Max. 5 Agenten pro Team. Mehr als 5 bringen abnehmende Erträge und übermäßigen Token-Verbrauch. Zum Zeitpunkt der Auswahl durchsetzen.
  • Paralleler Versand. Alle Agenten laufen gleichzeitig – verwende das parallele Aufrufmuster des Agent-Tools.
  • Parallele Agentenaufrufe, nicht TeamCreate. Dieser Skill verwendet parallele Agent-Tool-Aufrufe für unabhängige Arbeit. TeamCreate (ein Claude Code-Tool für Multi-Agenten-Dialog) wird nur benötigt, wenn Agenten debattieren oder aufeinander reagieren müssen.

Beispiele

Benutzer: team builder

Claude:
Verfügbare Agentendomänen:
1. Engineering (2) — Software Architect, Security Engineer
2. Marketing (1) — SEO Specialist
3. Sales (4) — Discovery Coach, Outbound Strategist, Proposal Strategist, Sales Engineer
4. Support (1) — Executive Summary

Wähle Domänen oder nenne bestimmte Agenten:

Benutzer: security + seo

Claude:
Ausgewählt: Security Engineer + SEO Specialist
Woran sollen sie arbeiten?

Benutzer: Überprüfe meinen Next.js E-Commerce-Shop vor dem Start

[Beide Agenten starten parallel, jeder wendet sein Spezialgebiet auf die Codebasis an]

Claude:
## Security Engineer Erkenntnisse
- [Erkenntnisse...]

## SEO Specialist Erkenntnisse
- [Erkenntnisse...]

## Synthese
Beide Agenten stimmen überein bei: [...]
Spannung: Security empfiehlt CSP, das Inline-Styles blockiert, SEO benötigt Inline-Schema-Markup. Lösung: [...]
Nächste Schritte: [...]

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