Communitygithub.com

team-builder

Selector interactivo de agentes para componer y despachar equipos paralelos. Útil para formar y lanzar un equipo de agentes en paralelo para una tarea.

¿Qué es team-builder?

Team Builder es una habilidad interactiva que permite a los usuarios explorar, seleccionar y despachar equipos de agentes de IA en paralelo. Es especialmente valiosa cuando se cuenta con múltiples personajes de agente almacenados como archivos Markdown y se necesita conformar un equipo ad hoc para una tarea específica, combinando agentes de diferentes dominios como seguridad, SEO o arquitectura. La habilidad descubre automáticamente los agentes disponibles mediante el comando `claude agents` y la lectura de archivos Markdown en directorios locales y globales, admitiendo tanto estructuras planas como de subdirectorios. Durante la selección, presenta un menú de dominios, permite elegir hasta 5 agentes por equipo de forma numérica o por nombre, y los lanza simultáneamente usando llamadas paralelas a la herramienta Agent. Al finalizar, sintetiza los resultados destacando acuerdos, conflictos y pasos siguientes. Funciona con Claude Code y entornos que soporten la herramienta Agent, y está diseñado para ser dinámico: cualquier nuevo archivo de agente aparece automáticamente en el menú sin necesidad de configuración adicional.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/team-builder

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Team Builder

Menú interactivo para explorar y componer equipos de agentes bajo demanda. Funciona con colecciones de agentes planas o en subdirectorios de dominio.

Cuándo usarlo

  • Tienes múltiples personajes de agente (archivos markdown) y quieres seleccionar cuáles usar para una tarea
  • Quieres componer un equipo ad-hoc de diferentes dominios (por ejemplo, Seguridad + SEO + Arquitectura)
  • Quieres explorar qué agentes están disponibles antes de decidir

Prerrequisitos

Los archivos de agente deben ser archivos markdown que contengan un prompt de personaje (identidad, reglas, flujo de trabajo, entregables). El primer # Encabezado se usa como el nombre del agente y el primer párrafo como la descripción.

Se admiten diseños planos y de subdirectorio:

Diseño de subdirectorio — el dominio se infiere del nombre de la carpeta:

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

Diseño plano — el dominio se infiere de prefijos de nombre de archivo compartidos. Un prefijo cuenta como dominio cuando 2 o más archivos lo comparten. Los archivos con prefijos únicos van a "General". Nota: el algoritmo divide en el primer -, por lo que dominios de varias palabras (por ejemplo, product-management) deberían usar el diseño de subdirectorio en su lugar:

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

Configuración

Los agentes se descubren mediante dos métodos, fusionados y desduplicados por nombre de agente:

  1. Comando claude agents (principal) — ejecuta claude agents para obtener todos los agentes conocidos por la CLI, incluidos agentes de usuario, agentes de plugin (por ejemplo, ecc:architect) y agentes integrados. Esto cubre automáticamente las instalaciones del marketplace de ECC sin necesidad de configuración de ruta.
  2. Glob de archivos (alternativa, para leer el contenido del agente) — los archivos markdown del agente se leen desde:
    • ./agents/**/*.md + ./agents/*.md — agentes locales del proyecto
    • ~/.claude/agents/**/*.md + ~/.claude/agents/*.md — agentes globales de usuario

Las fuentes anteriores tienen prioridad cuando los nombres colisionan: agentes de usuario > agentes de plugin > agentes integrados. Se puede usar una ruta personalizada en su lugar si el usuario lo especifica.

Cómo funciona

Paso 1: Descubrir agentes disponibles

Ejecuta claude agents para obtener la lista completa de agentes. Analiza cada línea:

  • Agentes de plugin tienen el prefijo nombre-del-plugin: (por ejemplo, ecc:security-reviewer). Usa la parte después de : como nombre del agente y el nombre del plugin como dominio.
  • Agentes de usuario no tienen prefijo. Lee el archivo markdown correspondiente de ~/.claude/agents/ o ./agents/ para extraer el nombre y la descripción.
  • Agentes integrados (por ejemplo, Explore, Plan) se omiten a menos que el usuario solicite explícitamente incluirlos.

Para agentes de usuario cargados desde archivos markdown:

  • Diseño de subdirectorio: extrae el dominio del nombre de la carpeta padre
  • Diseño plano: recopila todos los prefijos de nombre de archivo (texto antes del primer -). Un prefijo califica como dominio solo si aparece en 2 o más nombres de archivo (por ejemplo, engineering-security-engineer.md y engineering-software-architect.md ambos comienzan con engineering → dominio Engineering). Los archivos con prefijos únicos (por ejemplo, code-reviewer.md, tdd-guide.md) se agrupan bajo "General"
  • Extrae el nombre del agente del primer # Encabezado. Si no se encuentra ningún encabezado, deriva el nombre del nombre del archivo (elimina .md, reemplaza guiones con espacios, convierte a título)
  • Extrae un resumen de una línea del primer párrafo después del encabezado

Si no se encuentran agentes después de ejecutar claude agents y sondear las ubicaciones de archivos, informa al usuario: "No se encontraron agentes. Ejecuta claude agents para verificar tu configuración." Luego detente.

Paso 2: Presentar el menú de dominios

Dominios de agente disponibles:
1. Engineering — Software Architect, Security Engineer
2. Marketing — SEO Specialist
3. Sales — Discovery Coach, Outbound Strategist

Selecciona dominios o nombra agentes específicos (ej., "1,3" o "security + seo"):
  • Omite dominios con cero agentes (directorios vacíos)
  • Muestra el número de agentes por dominio

Paso 3: Manejar la selección

Acepta entrada flexible:

  • Números: "1,3" selecciona todos los agentes de Engineering y Sales
  • Nombres: "security + seo" coincide difusamente con los agentes descubiertos
  • "all from engineering" selecciona cada agente en ese dominio

Si se seleccionan más de 5 agentes, enuméralos alfabéticamente y pide al usuario que acote: "Seleccionaste N agentes (máx. 5). Elige cuáles conservar o di 'first 5' para usar los primeros cinco alfabéticamente."

Confirma la selección:

Seleccionados: Security Engineer + SEO Specialist
¿En qué deberían trabajar? (describe la tarea):

Paso 4: Generar agentes en paralelo

  1. Lee el archivo markdown de cada agente seleccionado
  2. Solicita la descripción de la tarea si aún no se ha proporcionado
  3. Genera todos los agentes en paralelo usando la herramienta Agent:
    • subagent_type: "general-purpose"
    • prompt: "{contenido del archivo del agente}\n\nTarea: {descripción de la tarea}"
    • Cada agente se ejecuta de forma independiente — no se necesita comunicación entre agentes
  4. Si un agente falla (error, tiempo de espera o salida vacía), anota el fallo en línea (por ejemplo, "Security Engineer: falló — [motivo]") y continúa con los resultados de los agentes que tuvieron éxito

Paso 5: Sintetizar resultados

Recopila todas las salidas y presenta un informe unificado:

  • Resultados agrupados por agente
  • Sección de síntesis que destaca:
    • Acuerdos entre agentes
    • Conflictos o tensiones entre recomendaciones
    • Próximos pasos recomendados

Si solo se seleccionó 1 agente, omite la síntesis y presenta la salida directamente.

Reglas

  • Solo descubrimiento dinámico. Nunca codifiques listas de agentes. Los nuevos archivos en el directorio aparecen automáticamente en el menú.
  • Máximo 5 agentes por equipo. Más de 5 produce rendimientos decrecientes y uso excesivo de tokens. Aplica en el momento de la selección.
  • Despacho en paralelo. Todos los agentes se ejecutan simultáneamente — usa el patrón de invocación en paralelo de la herramienta Agent.
  • Llamadas paralelas de Agent, no TeamCreate. Esta habilidad usa llamadas paralelas de la herramienta Agent para trabajo independiente. TeamCreate (una herramienta de Claude Code para diálogo multiagente) solo es necesaria cuando los agentes deben debatir o responderse entre sí.

Ejemplos

Usuario: team builder

Claude:
Dominios de agente disponibles:
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

Selecciona dominios o nombra agentes específicos:

Usuario: security + seo

Claude:
Seleccionados: Security Engineer + SEO Specialist
¿En qué deberían trabajar?

Usuario: Revisa mi sitio de comercio electrónico en Next.js antes del lanzamiento

[Ambos agentes se generan en paralelo, cada uno aplicando su especialidad al código]

Claude:
## Hallazgos del Security Engineer
- [hallazgos...]

## Hallazgos del SEO Specialist
- [hallazgos...]

## Síntesis
Ambos agentes están de acuerdo en: [...]
Tensión: Security recomienda CSP que bloquea estilos en línea, SEO necesita marcado de esquema en línea. Resolución: [...]
Próximos pasos: [...]

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/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

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.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados