Communitygithub.com

claude-devfleet

Orquesta tareas de codificación multiagente a través de Claude DevFleet: planifica proyectos, despliega agentes paralelos en worktrees aislados, monitorea el progreso y lee informes estructurados. Úsalo cuando necesites desplegar agentes de codificación en paralelo a través de worktrees aislados y realizar seguimiento de sus informes.

¿Qué es claude-devfleet?

Claude DevFleet Multi-Agent Orchestration es una habilidad que permite orquestar múltiples agentes de Claude Code para trabajar en tareas de codificación en paralelo, cada uno ejecutándose en un worktree aislado de Git con todas las herramientas disponibles. La habilidad es útil para desarrolladores que necesitan acelerar proyectos complejos dividiéndolos en misiones paralelas, como construir una API REST completa con autenticación y pruebas, donde cada agente maneja una parte independiente. Es compatible con Claude Code y se conecta a través del protocolo MCP (Model Context Protocol) a un servidor externo DevFleet, que debe instalarse por separado desde el repositorio de GitHub. El flujo de trabajo típico comienza con la planificación del proyecto mediante `plan_project(prompt)`, que genera un DAG de misiones; luego se despliega la misión raíz con `dispatch_mission`, y las misiones restantes se auto-despliegan automáticamente a medida que sus dependencias se completan. Los usuarios pueden monitorear el progreso con `get_mission_status` o `get_dashboard()`, y al finalizar, leer informes estructurados con `get_report()`. DevFleet soporta hasta 3 agentes concurrentes por defecto, y se recomienda confirmar el plan con el usuario antes del despliegue, verificar la disponibilidad de slots, y evitar dependencias circulares en el DAG de misiones.

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

Preguntar en tu IA favorita

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

Documentación

Orquestación Multiagente de Claude DevFleet

Cuándo Usarlo

Usa esta habilidad cuando necesites desplegar múltiples agentes de Claude Code para trabajar en tareas de codificación en paralelo. Cada agente se ejecuta en un worktree aislado de Git con todas las herramientas disponibles.

Configuración

El servidor DevFleet es un proyecto separado, no incluido con ECC. Instálalo y ejecútalo desde su repositorio primero: https://github.com/LEC-AI/claude-devfleet

Luego conecta la instancia en ejecución a través de MCP:

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

Antes del primer uso, verifica que el proceso escuchando en el puerto 18801 sea el binario DevFleet que instalaste (consulta SECURITY.md sobre servidores MCP en localhost).

Cómo Funciona

Usuario → "Construye una API REST con autenticación y pruebas"
  ↓
plan_project(prompt) → project_id + DAG de misiones
  ↓
Mostrar plan al usuario → obtener aprobación
  ↓
dispatch_mission(M1) → Agente 1 se despliega en worktree
  ↓
M1 se completa → auto-merge → despliegue automático de M2 (depends_on M1)
  ↓
M2 se completa → auto-merge
  ↓
get_report(M2) → archivos_cambiados, qué_se_hizo, errores, siguientes_pasos
  ↓
Reportar al usuario

Herramientas

HerramientaPropósito
plan_project(prompt)La IA descompone una descripción en un proyecto con misiones encadenadas
create_project(nombre, ruta?, descripción?)Crear un proyecto manualmente, devuelve project_id
create_mission(project_id, título, prompt, depends_on?, auto_dispatch?)Agregar una misión. depends_on es una lista de cadenas de ID de misión (ej. ["abc-123"]). Establece auto_dispatch=true para que se inicie automáticamente cuando se cumplan las dependencias.
dispatch_mission(mission_id, modelo?, max_turns?)Iniciar un agente en una misión
cancel_mission(mission_id)Detener un agente en ejecución
wait_for_mission(mission_id, timeout_seconds?)Bloquear hasta que una misión se complete (ver nota a continuación)
get_mission_status(mission_id)Verificar el progreso de la misión sin bloquear
get_report(mission_id)Leer informe estructurado (archivos cambiados, probados, errores, siguientes pasos)
get_dashboard()Resumen del sistema: agentes en ejecución, estadísticas, actividad reciente
list_projects()Navegar por todos los proyectos
list_missions(project_id, estado?)Listar misiones en un proyecto

Nota sobre wait_for_mission: Esto bloquea la conversación durante hasta timeout_seconds (por defecto 600). Para misiones de larga duración, prefiere consultar con get_mission_status cada 30–60 segundos, para que el usuario vea actualizaciones de progreso.

Flujo de Trabajo: Planificar → Desplegar → Monitorear → Reportar

  1. Planificar: Llama a plan_project(prompt="...") → devuelve project_id + lista de misiones con cadenas depends_on y auto_dispatch=true.
  2. Mostrar plan: Presenta los títulos, tipos y la cadena de dependencias de las misiones al usuario.
  3. Desplegar: Llama a dispatch_mission(mission_id=<primer_mission_id>) en la misión raíz (con depends_on vacío). Las misiones restantes se despliegan automáticamente a medida que sus dependencias se completan (porque plan_project establece auto_dispatch=true en ellas).
  4. Monitorear: Llama a get_mission_status(mission_id=...) o get_dashboard() para verificar el progreso.
  5. Reportar: Llama a get_report(mission_id=...) cuando las misiones se completen. Comparte los aspectos destacados con el usuario.

Concurrencia

DevFleet ejecuta hasta 3 agentes concurrentes por defecto (configurable mediante DEVFLEET_MAX_AGENTS). Cuando todos los espacios están ocupados, las misiones con auto_dispatch=true se encolan en el vigilante de misiones y se despliegan automáticamente a medida que se liberan espacios. Consulta get_dashboard() para conocer el uso actual de espacios.

Ejemplos

Completamente automático: planificar y lanzar

  1. plan_project(prompt="...") → muestra el plan con misiones y dependencias.
  2. Desplegar la primera misión (la que tiene depends_on vacío).
  3. Las misiones restantes se despliegan automáticamente a medida que las dependencias se resuelven (tienen auto_dispatch=true).
  4. Reportar con el ID del proyecto y el número de misiones para que el usuario sepa qué se lanzó.
  5. Consultar con get_mission_status o get_dashboard() periódicamente hasta que todas las misiones alcancen un estado terminal (completed, failed o cancelled).
  6. get_report(mission_id=...) para cada misión terminal — resumir éxitos y señalar fallos con errores y siguientes pasos.

Manual: control paso a paso

  1. create_project(name="Mi Proyecto") → devuelve project_id.
  2. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) para la primera misión (raíz) → capturar root_mission_id. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"]) para cada tarea subsiguiente.
  3. dispatch_mission(mission_id=...) en la primera misión para iniciar la cadena.
  4. get_report(mission_id=...) cuando termine.

Secuencial con revisión

  1. create_project(name="...") → obtener project_id.
  2. create_mission(project_id=project_id, title="Implementar funcionalidad", prompt="...") → obtener impl_mission_id.
  3. dispatch_mission(mission_id=impl_mission_id), luego consultar con get_mission_status hasta que se complete.
  4. get_report(mission_id=impl_mission_id) para revisar los resultados.
  5. create_mission(project_id=project_id, title="Revisión", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) — se inicia automáticamente ya que la dependencia ya se cumplió.

Directrices

  • Siempre confirma el plan con el usuario antes de desplegar, a menos que haya dicho que continúes.
  • Incluye los títulos y IDs de las misiones al reportar el estado.
  • Si una misión falla, lee su informe antes de reintentarla.
  • Verifica get_dashboard() para conocer la disponibilidad de espacios de agente antes de desplegar en masa.
  • Las dependencias de misiones forman un DAG — no crees dependencias circulares.
  • Cada agente se ejecuta en un worktree aislado de Git y realiza un auto-merge al completarse. Si ocurre un conflicto de fusión, los cambios permanecen en la rama del worktree del agente para resolución manual.
  • Al crear misiones manualmente, siempre establece auto_dispatch=true si deseas que se activen automáticamente cuando se completen las dependencias. Sin esta bandera, las misiones permanecen en estado 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.

Skills relacionados