Communitygithub.com

claude-devfleet

Orchestrez des tâches de codage multi-agents avec Claude DevFleet : planifiez des projets, lancez des agents parallèles dans des worktrees isolés, suivez la progression et lisez des rapports structurés. À utiliser pour répartir des agents de codage parallèles sur des worktrees isolés et suivre leurs rapports.

Qu'est-ce que claude-devfleet ?

Cette compétence permet de déléguer plusieurs agents Claude Code pour travailler en parallèle sur des tâches de codage, chaque agent s'exécutant dans un worktree Git isolé avec tous les outils nécessaires. Elle est utile pour accélérer des projets complexes en décomposant le travail en missions indépendantes ou dépendantes, gérées automatiquement par un orchestrateur. Compatible avec Claude Code via le serveur DevFleet et le protocole MCP, elle offre des outils de planification, lancement, suivi et rapport. Le flux typique consiste à planifier le projet avec `plan_project`, valider le plan, lancer la première mission, puis laisser le système dispatcher automatiquement les missions suivantes selon leurs dépendances, tout en surveillant la progression avec `get_mission_status` ou `get_dashboard`.

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

Demander à votre IA préférée

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

Documentation

Orchestration multi-agents Claude DevFleet

Quand l'utiliser

Utilisez cette compétence lorsque vous devez déléguer plusieurs agents Claude Code pour travailler en parallèle sur des tâches de codage. Chaque agent s'exécute dans un worktree Git isolé avec tous les outils.

Configuration

Le serveur DevFleet est un projet distinct, non inclus dans ECC. Installez-le et exécutez-le depuis son dépôt en premier : https://github.com/LEC-AI/claude-devfleet

Connectez ensuite l'instance en cours d'exécution via MCP :

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

Avant la première utilisation, vérifiez que le processus écoutant sur le port 18801 est le binaire DevFleet que vous avez installé (voir SECURITY.md à propos des serveurs MCP sur localhost).

Comment ça fonctionne

Utilisateur → "Crée une API REST avec authentification et tests"
  ↓
plan_project(prompt) → project_id + graphe de missions
  ↓
Afficher le plan à l'utilisateur → obtenir l'approbation
  ↓
dispatch_mission(M1) → Agent 1 se lance dans le worktree
  ↓
M1 terminée → fusion automatique → dispatch automatique de M2 (dépend de M1)
  ↓
M2 terminée → fusion automatique
  ↓
get_report(M2) → fichiers modifiés, actions effectuées, erreurs, prochaines étapes
  ↓
Rapport à l'utilisateur

Outils

OutilObjectif
plan_project(prompt)L'IA décompose une description en un projet avec des missions chaînées
create_project(name, path?, description?)Créer un projet manuellement, retourne project_id
create_mission(project_id, title, prompt, depends_on?, auto_dispatch?)Ajouter une mission. depends_on est une liste d'identifiants de mission (ex: ["abc-123"]). Définissez auto_dispatch=true pour un démarrage automatique lorsque les dépendances sont remplies.
dispatch_mission(mission_id, model?, max_turns?)Démarrer un agent sur une mission
cancel_mission(mission_id)Arrêter un agent en cours d'exécution
wait_for_mission(mission_id, timeout_seconds?)Bloquer jusqu'à la fin d'une mission (voir note ci-dessous)
get_mission_status(mission_id)Vérifier la progression d'une mission sans bloquer
get_report(mission_id)Lire le rapport structuré (fichiers modifiés, testés, erreurs, prochaines étapes)
get_dashboard()Vue d'ensemble du système : agents en cours, statistiques, activité récente
list_projects()Parcourir tous les projets
list_missions(project_id, status?)Lister les missions d'un projet

Note sur wait_for_mission : Cette commande bloque la conversation jusqu'à timeout_seconds (par défaut 600). Pour les missions longues, préférez un sondage régulier avec get_mission_status toutes les 30 à 60 secondes, afin que l'utilisateur voie les mises à jour de progression.

Flux de travail : Planifier → Lancer → Surveiller → Rapporter

  1. Planifier : Appelez plan_project(prompt="...") → retourne project_id + liste de missions avec chaînes depends_on et auto_dispatch=true.
  2. Afficher le plan : Présentez les titres, types et chaînes de dépendance des missions à l'utilisateur.
  3. Lancer : Appelez dispatch_mission(mission_id=<première_mission_id>) sur la mission racine (avec depends_on vide). Les missions restantes se lancent automatiquement à mesure que leurs dépendances sont résolues (car plan_project définit auto_dispatch=true sur elles).
  4. Surveiller : Appelez get_mission_status(mission_id=...) ou get_dashboard() pour vérifier la progression.
  5. Rapporter : Appelez get_report(mission_id=...) lorsque les missions sont terminées. Partagez les points forts avec l'utilisateur.

Concurrence

DevFleet exécute jusqu'à 3 agents simultanément par défaut (configurable via DEVFLEET_MAX_AGENTS). Lorsque tous les emplacements sont occupés, les missions avec auto_dispatch=true sont mises en file d'attente dans le watcher de missions et se lancent automatiquement dès qu'un emplacement se libère. Consultez get_dashboard() pour connaître l'utilisation actuelle des emplacements.

Exemples

Entièrement automatique : planifier et lancer

  1. plan_project(prompt="...") → affiche le plan avec les missions et dépendances.
  2. Lancez la première mission (celle avec depends_on vide).
  3. Les missions restantes se lancent automatiquement à mesure que les dépendances sont résolues (elles ont auto_dispatch=true).
  4. Rapportez avec l'ID du projet et le nombre de missions pour informer l'utilisateur de ce qui a été lancé.
  5. Sondez avec get_mission_status ou get_dashboard() périodiquement jusqu'à ce que toutes les missions atteignent un état terminal (completed, failed ou cancelled).
  6. get_report(mission_id=...) pour chaque mission terminale — résumez les succès et signalez les échecs avec les erreurs et les prochaines étapes.

Manuel : contrôle pas à pas

  1. create_project(name="Mon Projet") → retourne project_id.
  2. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) pour la première mission (racine) → capturez root_mission_id. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"]) pour chaque tâche suivante.
  3. dispatch_mission(mission_id=...) sur la première mission pour démarrer la chaîne.
  4. get_report(mission_id=...) une fois terminé.

Séquentiel avec revue

  1. create_project(name="...") → obtenez project_id.
  2. create_mission(project_id=project_id, title="Implémenter la fonctionnalité", prompt="...") → obtenez impl_mission_id.
  3. dispatch_mission(mission_id=impl_mission_id), puis sondez avec get_mission_status jusqu'à terminaison.
  4. get_report(mission_id=impl_mission_id) pour examiner les résultats.
  5. create_mission(project_id=project_id, title="Revue", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) — démarre automatiquement car la dépendance est déjà satisfaite.

Recommandations

  • Confirmez toujours le plan avec l'utilisateur avant de lancer, sauf s'il a dit d'avancer.
  • Incluez les titres et IDs des missions lors des rapports d'état.
  • Si une mission échoue, lisez son rapport avant de réessayer.
  • Vérifiez get_dashboard() pour la disponibilité des emplacements d'agents avant de lancer en masse.
  • Les dépendances entre missions forment un DAG — ne créez pas de dépendances circulaires.
  • Chaque agent s'exécute dans un worktree Git isolé et fusionne automatiquement à la fin. En cas de conflit de fusion, les modifications restent sur la branche du worktree de l'agent pour résolution manuelle.
  • Lors de la création manuelle de missions, définissez toujours auto_dispatch=true si vous voulez qu'elles se déclenchent automatiquement lorsque les dépendances sont terminées. Sans cet indicateur, les missions restent à l'état 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/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