Agent Orchestrator
Übersicht
Meta-Skill, das alle Agenten des Ökosystems orchestriert. Automatischer Skill-Scan, Match nach Fähigkeiten, Koordination von Multi-Skill-Workflows und Registry-Management.
Wann dieses Skill verwendet werden sollte
- Wenn Sie spezialisierte Unterstützung in diesem Bereich benötigen
Dieses Skill nicht verwenden, wenn
- Die Aufgabe nichts mit dem Agentenorchestrator zu tun hat
- Ein einfacheres, spezifischeres Werkzeug die Anfrage bearbeiten kann
- Der Benutzer allgemeine Unterstützung ohne Domänenexpertise benötigt
Wie es funktioniert
Meta-Skill, das als zentrale Entscheidungs- und Koordinationsebene für das gesamte Skill-Ökosystem dient. Führt automatische Scans durch, identifiziert relevante Agenten und orchestriert mehrere Skills für komplexe Aufgaben.
Prinzip: Keine manuelle Intervention
- IMMER scan vor der Verarbeitung einer Anfrage
- Neue Skills werden automatisch erkannt und aufgenommen, wenn eine SKILL.md in einem beliebigen Unterverzeichnis erstellt wird
- Entfernte Skills werden automatisch aus dem Registry ausgeschlossen
- Kein manueller Befehl zum Registrieren neuer Skills erforderlich
Obligatorischer Workflow (Jede Anfrage)
Führen Sie diese Schritte AUS, bevor Sie eine Benutzeranfrage verarbeiten. Die Skripte verwenden automatisch relative Pfade – sie funktionieren von jedem Verzeichnis aus.
Schritt 1: Auto-Discovery (Scan)
python agent-orchestrator/scripts/scan_registry.py
Ultraschnell (<100ms) dank MD5-Hash-Cache. Nur geänderte Dateien werden neu verarbeitet. Gibt JSON mit einer Zusammenfassung aller gefundenen Skills zurück.
Schritt 2: Skill-Match
python agent-orchestrator/scripts/match_skills.py "<Benutzeranfrage>"
Gibt JSON mit nach Relevanz sortierten Skills zurück. Das Ergebnis interpretieren:
| Ergebnis | Aktion |
|---|---|
matched: 0 | Kein relevanter Skill. Normal ohne Skills arbeiten. |
matched: 1 | Ein relevanter Skill. Dessen SKILL.md laden und befolgen. |
matched: 2+ | Mehrere Skills. Schritt 3 (Orchestrierung) ausführen. |
Schritt 3: Orchestrierung (Wenn Matched >= 2)
python agent-orchestrator/scripts/orchestrate.py --skills skill1,skill2 --query "<Anfrage>"
Gibt einen Ausführungsplan mit Muster, Schrittreihenfolge und Datenfluss zwischen den Skills zurück.
Schnellzugriff (Abkürzung)
Für einfache Abfragen können die Schritte 1+2 in Sequenz kombiniert werden:
python agent-orchestrator/scripts/scan_registry.py && python agent-orchestrator/scripts/match_skills.py "<Anfrage>"
Skill-Registry
Das Registry befindet sich unter:
agent-orchestrator/data/registry.json
Suchorte
Der Scanner sucht nach SKILL.md in:
.claude/skills/*/(im Claude Code registrierte Skills)*/(Standalone-Skills im Top-Level)*/*\(Skills in Unterverzeichnissen, bis Tiefe 3)
Metadaten pro Skill
Jeder Eintrag im Registry enthält:
| Feld | Beschreibung |
|---|---|
| name | Name des Skills (aus dem YAML-Frontmatter) |
| description | Vollständige Beschreibung (inkl. Trigger) |
| location | Absoluter Pfad des Verzeichnisses |
| skill_md | Absoluter Pfad der SKILL.md |
| registered | Ob in .claude/skills/ (true/false) |
| capabilities | Fähigkeiten-Tags (automatisch extrahiert + explizit) |
| triggers | Aktivierungs-Keywords, extrahiert aus der Beschreibung |
| language | Hauptsprache (python/nodejs/bash/none) |
| status | active / incomplete / missing |
Registry-Befehle
## Schnellscan (nutzt Hash-Cache)
python agent-orchestrator/scripts/scan_registry.py
## Detaillierte Statustabelle
python agent-orchestrator/scripts/scan_registry.py --status
## Kompletter Neuscan (ignoriert Cache)
python agent-orchestrator/scripts/scan_registry.py --force
Matching-Algorithmus
Für jede Anfrage bewertet der Matcher Skills anhand von:
| Kriterium | Punkte | Beispiel |
|---|---|---|
| Skill-Name in der Abfrage | +15 | "use web-scraper" -> web-scraper |
| Exaktes Trigger-Keyword | +10 | "scrape" -> web-scraper |
| Kategorie der Fähigkeit | +5 | data-extraction -> web-scraper |
| Wortüberlappung | +1 | Wörter der Abfrage in der Beschreibung |
| Projekt-Boost | +20 | Skill dem aktiven Projekt zugewiesen |
Minimaler Schwellwert: 5 Punkte. Skills darunter werden ignoriert.
Match mit Projekt
python agent-orchestrator/scripts/match_skills.py --project mein-projekt "Abfrage hier"
Dem Projekt zugewiesene Skills erhalten automatisch +20 Boost.
Orchestrierungsmuster
Wenn mehrere Skills relevant sind, klassifiziert der Orchestrator das Muster:
1. Sequenzielle Pipeline
Skills bilden eine Kette, bei der die Ausgabe eines Skills die nächste speist.
Wann: Mix aus "produzierenden" Skills (data-extraction, government-data) und "konsumierenden" Skills (messaging, social-media).
Beispiel: web-scraper sammelt Preise -> whatsapp-cloud-api sendet Alarm
user_query -> web-scraper -> whatsapp-cloud-api -> result
2. Parallele Ausführung
Skills arbeiten unabhängig an verschiedenen Aspekten der Anfrage.
Wann: Alle Skills haben die gleiche Rolle (alle produzierend oder alle konsumierend).
Beispiel: instagram veröffentlicht Beitrag + whatsapp sendet Benachrichtigung (beide erhalten den gleichen Inhalt)
user_query -> [instagram, whatsapp-cloud-api] -> aggregated_result
3. Primär + Unterstützung
Ein Haupt-Skill führt; andere liefern unterstützende Daten.
Wann: Ein Skill hat eine deutlich höhere Punktzahl als die anderen (>= 2x).
Beispiel: whatsapp-cloud-api sendet Nachricht (primär) + web-scraper liefert Daten (Unterstützung)
user_query -> whatsapp-cloud-api (primary) + web-scraper (support) -> result
Details in References/Orchestration-Patterns.Md
Projektmanagement
Die Zuweisung von Skills zu Projekten ermöglicht Relevanz-Boost und persistenten Kontext.
Projektdaten
agent-orchestrator/data/projects.json
Operationen
Projekt erstellen: Eintrag zu projects.json hinzufügen:
{
"name": "projekt-name",
"created_at": "2026-02-25T12:00:00",
"skills": ["web-scraper", "whatsapp-cloud-api"],
"description": "Projektbeschreibung"
}
Skill zu Projekt hinzufügen: Das skills-Array des Projekts aktualisieren.
Skill aus Projekt entfernen: Aus dem skills-Array entfernen.
Skills eines Projekts abfragen: projects.json lesen und zugewiesene Skills auflisten.
Neue Skills hinzufügen
Um ein neues Skill zum Ökosystem hinzuzufügen:
- Einen beliebigen Ordner unterhalb des
skills root:erstellen - Eine
SKILL.mdmit YAML-Frontmatter erstellen:
---
name: mein-neues-skill
description: "Beschreibung mit Aktivierungs-Keywords..."
---
## Dokumentation des Skills
- Fertig! Der Auto-Discovery erkennt es automatisch bei der nächsten Anfrage.
Optional, für nativen Discovery des Claude Code:
4. Kopieren Sie die SKILL.md nach .claude/skills/<name>/SKILL.md
Explizite Fähigkeiten-Tags (Optional)
Zum Frontmatter hinzufügen für präziseres Matching:
capabilities: [data-extraction, web-automation]
Status aller Skills anzeigen
python agent-orchestrator/scripts/scan_registry.py --status
Status interpretieren
| Status | Bedeutung |
|---|---|
| active | SKILL.md mit Name + Beschreibung vorhanden |
| incomplete | SKILL.md existiert, aber Name oder Beschreibung fehlt |
| missing | Verzeichnis existiert, aber ohne SKILL.md |
Aktuelle Skills im Ökosystem
| Skill | Fähigkeiten | Status |
|---|---|---|
| web-scraper | data-extraction, web-automation | active |
| junta-leiloeiros | government-data, data-extraction | active |
| whatsapp-cloud-api | messaging, api-integration | active |
| social-media, api-integration | partial |
Diese Tabelle wird automatisch über scan_registry.py --status aktualisiert.
Best Practices
- Geben Sie klaren, spezifischen Kontext zu Ihrem Projekt und Ihren Anforderungen an
- Überprüfen Sie alle Vorschläge, bevor Sie sie auf Produktionscode anwenden
- Kombinieren Sie dieses Skill mit anderen komplementären Skills für umfassende Analysen
Häufige Fehler
- Dieses Skill für Aufgaben außerhalb seines Fachbereichs verwenden
- Empfehlungen anwenden, ohne Ihren spezifischen Kontext zu verstehen
- Nicht genügend Projektkontext für eine genaue Analyse bereitstellen
Verwandte Skills
multi-advisor- Komplementäres Skill für verbesserte Analysentask-intelligence- Komplementäres Skill für verbesserte Analysen
Einschränkungen
- Verwenden Sie dieses Skill nur, wenn die Aufgabe eindeutig dem oben beschriebenen Umfang entspricht
- Behandeln Sie die Ausgabe nicht als Ersatz für umgebungsspezifische Validierung, Tests oder Expertenprüfung
- Fragen Sie nach und klären Sie, wenn erforderliche Eingaben, Berechtigungen, Sicherheitsgrenzen oder Erfolgskriterien fehlen