Communitygithub.com

harness-agent-autonome

Transformez Claude Code en un système d'agent entièrement autonome avec mémoire persistante, opérations planifiées, utilisation de l'ordinateur et file d'attente de tâches. Remplace les frameworks d'agents autonomes (Hermes, AutoGPT) en exploitant Claude Code.

Qu'est-ce que harness-agent-autonome ?

Ce skill permet aux utilisateurs de Claude Code de configurer un système d'agent autonome complet en combinant les outils de session natifs de Claude Code avec des intégrations tierces pour la planification, la mémoire persistante et le contrôle informatique. Il ne s'agit pas d'un runtime toujours actif, mais d'un modèle d'architecture modulaire où des composants comme les tâches planifiées (crons), les agents distants, un graphe de connaissances MCP, et une file d'attente de tâches sont assemblés sur demande. Le skill met l'accent sur la sécurité et le consentement explicite de l'utilisateur avant d'activer des actions autonomes, et préconise l'utilisation de plans à sec et de fichiers de file d'attente locaux avant de passer à des actions récurrentes. Il est particulièrement utile pour les utilisateurs qui souhaitent des workflows automatisés, un assistant IA personnel à mémoire persistante, ou remplacer des frameworks comme Hermes ou AutoGPT en utilisant les capacités avancées de Claude Code, y compris le contrôle de l'ordinateur via une intégration distincte.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/autonomous-agent-harness
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Harness Agent Autonome

Combinez les outils de session de Claude Code avec des intégrations configurées séparément pour la planification, la mémoire et l'utilisation de l'ordinateur. Il s'agit d'un modèle de configuration, pas d'un runtime toujours actif et packagé.

Consentement et Limites de Sécurité

Le fonctionnement autonome doit être explicitement demandé et encadré par l'utilisateur. Ne créez pas de planifications, n'envoyez pas d'agents distants, n'écrivez pas de mémoire persistante, n'utilisez pas le contrôle de l'ordinateur, ne publiez pas à l'extérieur, ne modifiez pas de ressources tierces, ni n'agissez sur des communications privées, sauf si l'utilisateur a approuvé cette capacité et l'espace de travail cible pour la configuration actuelle.

Privilégiez les plans à sec et les fichiers de file d'attente locaux avant d'activer des actions récurrentes ou déclenchées par des événements. Gardez les identifiants, les exportations d'espaces de travail privés, les ensembles de données personnels et les automatisations spécifiques au compte en dehors des artefacts ECC réutilisables.

Quand Activer

  • L'utilisateur veut un agent qui s'exécute en continu ou selon un planning
  • Mise en place de workflows automatisés qui se déclenchent périodiquement
  • Construction d'un assistant IA personnel qui mémorise le contexte entre les sessions
  • L'utilisateur dit "exécute ceci tous les jours", "vérifie ceci régulièrement", "continue à surveiller"
  • Souhaite reproduire les fonctionnalités d'Hermes, AutoGPT ou de frameworks d'agents autonomes similaires
  • A besoin d'utiliser l'ordinateur combiné à une exécution planifiée

Architecture

┌──────────────────────────────────────────────────────────────┐
│                    Runtime Claude Code                        │
│                                                              │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌─────────────┐ │
│  │  Crons   │  │ Envoi    │  │ Mémoire  │  │ Utilisation │ │
│  │ Planif.  │  │ Distant  │  │ Stockage │  │ Ordinateur  │ │
│  │ Tâches   │  │ Agents   │  │          │  │             │ │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  └──────┬──────┘ │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              Couche Skill ECC + Agent                 │    │
│  │                                                      │    │
│  │  skills/     agents/     commands/     hooks/        │    │
│  └──────────────────────────────────────────────────────┘    │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              Couche Serveur MCP                      │    │
│  │                                                      │    │
│  │  memory    github    exa    supabase    browser-use  │    │
│  └──────────────────────────────────────────────────────┘    │
└──────────────────────────────────────────────────────────────┘

Composants Principaux

1. Mémoire Persistante

Utilisez le système de mémoire intégré de Claude Code amélioré avec le serveur MCP de mémoire pour les données structurées.

Mémoire intégrée (~/.claude/projects/*/memory/) :

  • Préférences utilisateur, retours, contexte de projet
  • Stockée sous forme de fichiers Markdown avec frontmatter
  • Chargée automatiquement au début de la session

Serveur MCP de mémoire (graphe de connaissances structuré) :

  • Entités, relations, observations
  • Structure de graphe interrogeable
  • Persistance entre les sessions

Modèles de mémoire :

# Court terme : contexte de session actuel
Utilisez TodoWrite pour le suivi des tâches en session

# Moyen terme : fichiers de mémoire de projet
Écrivez dans ~/.claude/projects/*/memory/ pour le rappel entre sessions

# Long terme : graphe de connaissances MCP
Utilisez mcp__memory__create_entities pour les données structurées permanentes
Utilisez mcp__memory__create_relations pour le mappage de relations
Utilisez mcp__memory__add_observations pour de nouveaux faits sur des entités connues

2. Opérations Planifiées (Crons)

Utilisez les tâches planifiées natives de Claude Code pour les invites récurrentes dans une session interactive. Ces tâches sont limitées à la session ; un planificateur externe est nécessaire pour les travaux qui doivent s'exécuter indépendamment d'une session ouverte. Aucun serveur MCP de planification n'est requis pour /loop.

Configuration d'un cron :

# Dans une session interactive Claude Code
/loop 30m Passe en revue les PR ouvertes dans ce dépôt et résume les échecs CI.

Pour une exécution ponctuelle depuis un shell, définissez le répertoire de travail avant d'invoquer la CLI :

cd "/chemin/vers/depot" && claude -p "Passe en revue les PR ouvertes et résume"

Utilisez un planificateur système ou un planning CI pour invoquer cette commande de manière répétée lorsqu'aucune session interactive n'est ouverte. Configurez l'authentification et les permissions d'outils du lanceur séparément.

Modèles de cron utiles :

ModèlePlanningCas d'usage
Daily standup0 9 * * 1-5Passe en revue les PR, les problèmes, le statut de déploiement
Revue hebdomadaire0 10 * * 1Métriques de qualité de code, couverture de tests
Surveillance horaire0 * * * *Santé de la production, vérification des taux d'erreur
Build nocturne0 2 * * *Exécute la suite de tests complète, scan de sécurité
Pré-réunion*/30 * * * *Prépare le contexte pour les réunions à venir

3. Envoi / Agents Distants

Faites en sorte qu'un job CI authentifié ou un récepteur webhook invoque Claude Code dans un espace de travail qu'il possède. Le point d'entrée pris en charge est le mode CLI programmatique, pas un point d'envoi public d'Anthropic.

Modèles d'envoi :

# Exécution dans l'espace de travail CI
cd "/chemin/vers/depot" && claude -p "Le build a échoué sur main. Diagnostique l'échec."

# Déclenchement depuis un webhook
# Webhook GitHub -> runner CI authentifié -> claude -p -> résultat révisable

# Déclenchement depuis un autre agent
claude -p "Analyse la sortie du scan de sécurité et crée des issues pour les résultats"

4. Utilisation de l'Ordinateur

Le contrôle de l'ordinateur nécessite une intégration configurée séparément. L'outil d'utilisation de l'ordinateur et l'environnement de référence d'Anthropic nécessitent une application pour exécuter les appels d'outils dans un environnement de bureau isolé. L'ajout d'un nom de package MCP ne fournit pas cet environnement.

Capacités :

  • Automatisation de navigateur (naviguer, cliquer, remplir des formulaires, capture d'écran)
  • Contrôle du bureau (ouvrir des applications, taper, contrôle de la souris)
  • Opérations sur le système de fichiers au-delà de la CLI

Cas d'usage dans le harnais :

  • Tests automatisés d'interfaces web
  • Remplissage de formulaires et saisie de données
  • Surveillance par captures d'écran
  • Workflows multi-applications

5. File d'Attente de Tâches

Gérez une file d'attente persistante de tâches qui survivent aux limites de session.

Implémentation :

# Persistance des tâches via la mémoire
Écrire la file d'attente dans ~/.claude/projects/*/memory/task-queue.md

# Format de tâche
---
name: task-queue
type: project
description: File d'attente persistante pour le fonctionnement autonome
---

## Tâches Actives
- [ ] PR #123 : Relire et approuver si le CI est vert
- [ ] Surveiller le déploiement : vérifier /health toutes les 30 min pendant 2 heures
- [ ] Recherche : Trouver 5 prospects dans le domaine des outils IA

## Terminées
- [x] Daily standup : 3 PR et 2 problèmes examinés

Remplacement d'Hermes

Composant HermesÉquivalent ECCComment
Passerelle/RouteurCLI + planificateur externeUn lanceur authentifié démarre des sessions d'agent
Système de MémoireMémoire Claude + serveur MCP de mémoirePersistance intégrée + graphe de connaissances
Registre d'OutilsServeurs MCPFournisseurs d'outils chargés dynamiquement
OrchestrationSkills ECC + agentsLes définitions de skills dirigent le comportement de l'agent
Utilisation de l'OrdinateurIntégration configurée séparémentContrôle du navigateur ou du bureau dans un environnement isolé
Gestionnaire de ContexteGestion de session + mémoireCycle de vie de session ECC 2.0
File d'Attente de TâchesListe de tâches persistée en mémoireTodoWrite + fichiers mémoire

Guide de Configuration

Étape 1 : Configurer les Serveurs MCP

Le serveur MCP de mémoire est facultatif. Le serveur de mémoire de référence MCP est publié sous @modelcontextprotocol/server-memory ; la version 2026.8.31 a été vérifiée sur le registre npm public le 2026-09-07. Il s'agit d'une implémentation de référence, pas d'un service packagé ECC.

Après avoir examiné ce package et approuvé son utilisation, fusionnez cette entrée dans la configuration MCP de l'utilisateur dans ~/.claude.json, en préservant les paramètres existants. Remplacez MEMORY_FILE_PATH par un chemin absolu dans un répertoire privé que vous possédez. Voir Configuration MCP de Claude Code pour l'enregistrement CLI et la configuration Windows cmd /c npx.

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/[email protected]"],
      "env": {
        "MEMORY_FILE_PATH": "/chemin/absolu/vers/prive/memory.jsonl"
      }
    }
  }
}

N'enregistrez pas de packages npm devinés ou non publiés : npx -y exécuterait tout ce qui serait publié ultérieurement sous ce nom. Vérifiez le package exact, l'éditeur et la version avant d'ajouter un autre serveur. La planification et l'utilisation de l'ordinateur ne nécessitent pas les trois noms de packages non publiés listés précédemment ici.

Étape 2 : Créer des Crons de Base

Pour une interrogation pendant une session interactive, entrez :

/loop 30m Passe en revue les PR ouvertes dans ce dépôt et résume les échecs CI.

Pour un travail quotidien ou hebdomadaire qui doit survivre à une session fermée, configurez un planificateur externe, comme un cron système ou GitHub Actions, pour exécuter la commande ponctuelle de l'Étape 2 des Composants Principaux. Appeler claude -p pour demander une planification ne provisionne pas un planificateur toujours actif. Choisissez explicitement le planning, l'espace de travail et les actions autorisées avant de l'activer.

Étape 3 : Initialiser le Graphe de Mémoire

# Amorcer votre identité et votre contexte
claude -p "Crée des entités mémoire pour : moi (profil utilisateur), mes projets, mes contacts clés. Ajoute des observations sur les priorités actuelles."

Étape 4 : Activer l'Utilisation de l'Ordinateur (Facultatif)

Suivez l'environnement de référence d'utilisation de l'ordinateur lié ci-dessus, ou la documentation d'une intégration de navigateur spécifique que vous avez examinée. Accordez uniquement les permissions nécessaires et vérifiez une action inoffensive dans l'environnement isolé avant de l'ajouter aux workflows planifiés.

Exemples de Workflows

Relecteur Automatique de PR

Cron : toutes les 30 min pendant les heures de travail
1. Vérifier les nouvelles PR sur les dépôts surveillés
2. Pour chaque nouvelle PR :
   - Tirer la branche localement
   - Exécuter les tests
   - Examiner les modifications avec l'agent relecteur de code
   - Publier des commentaires de révision via GitHub MCP
3. Mettre à jour la mémoire avec le statut de la révision

Agent de Recherche Personnel

Cron : tous les jours à 6h
1. Vérifier les requêtes de recherche sauvegardées en mémoire
2. Exécuter des recherches Exa pour chaque requête
3. Résumer les nouvelles découvertes
4. Comparer avec les résultats de la veille
5. Écrire un résumé en mémoire
6. Signaler les éléments prioritaires pour la révision matinale

Agent de Préparation de Réunion

Déclenchement : 30 min avant chaque événement de calendrier
1. Lire les détails de l'événement du calendrier
2. Rechercher en mémoire le contexte sur les participants
3. Récupérer les fils de discussion récents (email/Slack) avec les participants
4. Préparer des points de discussion et des suggestions d'ordre du jour
5. Écrire le document de préparation en mémoire

Contraintes

  • Les invites planifiées natives partagent leur session interactive. Les invocations de planificateur externe démarrent des sessions séparées sauf reprise explicite.
  • L'utilisation de l'ordinateur nécessite des autorisations explicites. Ne supposez pas l'accès.
  • L'automatisation CLI consomme toujours de l'utilisation du modèle et est soumise aux limites du fournisseur configuré. Choisissez des intervalles de planification appropriés.
  • Les fichiers de mémoire doivent rester concis. Archivez les anciennes données plutôt que de laisser les fichiers croître indéfiniment.
  • Vérifiez toujours que les tâches planifiées se sont terminées avec succès. Ajoutez une gestion des erreurs aux invites cron.

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 associés

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

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.

community