Communitygithub.com

team-builder

Sélecteur interactif d'agents pour composer et lancer des équipes parallèles. À utiliser pour composer et lancer une équipe parallèle d'agents sur une tâche.

Qu'est-ce que team-builder ?

Cette compétence (skill) permet à un assistant IA comme Claude Code de construire et de lancer dynamiquement une équipe d'agents spécialisés en parallèle, à partir d'une collection de fichiers d'agents (fichiers markdown). **Pourquoi c'est utile :** Au lieu d'appeler manuellement chaque agent un par un, vous sélectionnez une combinaison pertinente (ex : ingénieur sécurité + spécialiste SEO) en quelques secondes via un menu interactif. L'outil découvre automatiquement les agents disponibles dans votre projet et les agents globaux, les organise par domaine (dossier ou préfixe de fichier), vous laisse en choisir jusqu'à 5, puis les lance tous simultanément. **Plateformes :** Conçu pour Claude Code, mais son fonctionnement générique (parsing de fichiers markdown et appels parallèles à des agents subordonnés) pourrait s'adapter à d'autres assistants supportant l'invocation d'agents. **Fonctionnement :** Il utilise la commande `claude agents` pour lister les agents connus, lit le contenu des fichiers markdown pour extraire le nom et la description, présente un menu des domaines disponibles, gère la sélection flexible (numéros, noms, expressions comme "all from engineering"), et enfin invoque les agents sélectionnés en parallèle via l'outil Agent, avec une synthèse finale des résultats. La compétence impose un maximum de 5 agents pour éviter la saturation, et gère élégamment les échecs individuels.

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

Demander à votre IA préférée

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

Documentation

Team Builder

Menu interactif pour parcourir et composer des équipes d'agents à la demande. Fonctionne avec des collections d'agents plates ou organisées en sous-répertoires par domaine.

Quand l'utiliser

  • Vous avez plusieurs personnalités d'agents (fichiers markdown) et souhaitez choisir lesquelles utiliser pour une tâche
  • Vous voulez composer une équipe ad-hoc provenant de différents domaines (ex : Sécurité + SEO + Architecture)
  • Vous voulez parcourir les agents disponibles avant de décider

Prérequis

Les fichiers d'agents doivent être des fichiers markdown contenant un prompt de personnalité (identité, règles, workflow, livrables). Le premier # Titre est utilisé comme nom de l'agent et le premier paragraphe comme description.

Les dispositions plates et en sous-répertoires sont toutes deux prises en charge :

Disposition en sous-répertoires — le domaine est déduit du nom du dossier :

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

Disposition plate — le domaine est déduit des préfixes de noms de fichiers partagés. Un préfixe est considéré comme un domaine lorsque 2 fichiers ou plus le partagent. Les fichiers avec des préfixes uniques sont regroupés sous "Général". Remarque : l'algorithme coupe au premier -, donc les domaines avec plusieurs mots (ex : gestion-produit) doivent utiliser la disposition en sous-répertoires :

available 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

Configuration

Les agents sont découverts via deux méthodes, fusionnées et dédupliquées par nom d'agent :

  1. Commande claude agents (principale) — exécutez claude agents pour obtenir tous les agents connus de l'interface CLI, y compris les agents utilisateur, les agents de plugins (ex : ecc:architect) et les agents intégrés. Cela couvre automatiquement les installations de la place de marché ECC sans aucune configuration de chemin.
  2. Glob de fichiers (solution de secours, pour lire le contenu des agents) — les fichiers markdown des agents sont lus depuis :
    • ./agents/**/*.md + ./agents/*.md — agents locaux au projet
    • ~/.claude/agents/**/*.md + ~/.claude/agents/*.md — agents utilisateur globaux

Les sources précédentes prennent le pas en cas de collision de noms : agents utilisateur > agents de plugins > agents intégrés. Un chemin personnalisé peut être utilisé à la place si l'utilisateur en spécifie un.

Comment ça fonctionne

Étape 1 : Découvrir les agents disponibles

Exécutez claude agents pour obtenir la liste complète des agents. Analysez chaque ligne :

  • Agents de plugins sont préfixés par nom-plugin: (ex : ecc:security-reviewer). Utilisez la partie après : comme nom de l'agent et le nom du plugin comme domaine.
  • Agents utilisateur n'ont pas de préfixe. Lisez le fichier markdown correspondant depuis ~/.claude/agents/ ou ./agents/ pour extraire le nom et la description.
  • Agents intégrés (ex : Explorer, Planifier) sont ignorés sauf si l'utilisateur demande explicitement de les inclure.

Pour les agents utilisateur chargés depuis des fichiers markdown :

  • Disposition en sous-répertoires : extrayez le domaine du nom du dossier parent
  • Disposition plate : collectez tous les préfixes de noms de fichiers (texte avant le premier -). Un préfixe est qualifié comme domaine seulement s'il apparaît dans 2 fichiers ou plus (ex : engineering-security-engineer.md et engineering-software-architect.md commencent tous deux par engineering → domaine Ingénierie). Les fichiers avec des préfixes uniques (ex : code-reviewer.md, tdd-guide.md) sont regroupés sous "Général"
  • Extrayez le nom de l'agent du premier # Titre. Si aucun titre n'est trouvé, dérivez le nom du fichier (supprimez .md, remplacez les tirets par des espaces, mettez en majuscule)
  • Extrayez un résumé d'une ligne du premier paragraphe après le titre

Si aucun agent n'est trouvé après avoir exécuté claude agents et exploré les emplacements de fichiers, informez l'utilisateur : "Aucun agent trouvé. Exécutez claude agents pour vérifier votre configuration." Puis arrêtez-vous.

Étape 2 : Présenter le menu des domaines

Domaines d'agents disponibles :
1. Ingénierie — Architecte Logiciel, Ingénieur Sécurité
2. Marketing — Spécialiste SEO
3. Ventes — Coach de Découverte, Stratège Sortant

Choisissez des domaines ou nommez des agents spécifiques (ex : "1,3" ou "sécurité + seo") :
  • Ignorez les domaines sans agents (répertoires vides)
  • Affichez le nombre d'agents par domaine

Étape 3 : Gérer la sélection

Acceptez une entrée flexible :

  • Chiffres : "1,3" sélectionne tous les agents d'Ingénierie et Ventes
  • Noms : "sécurité + seo" correspond approximativement aux agents découverts
  • "tous de l'ingénierie" sélectionne chaque agent de ce domaine

Si plus de 5 agents sont sélectionnés, listez-les par ordre alphabétique et demandez à l'utilisateur de réduire : "Vous avez sélectionné N agents (max 5). Choisissez lesquels garder, ou dites 'les 5 premiers' pour utiliser les cinq premiers par ordre alphabétique."

Confirmez la sélection :

Sélectionnés : Ingénieur Sécurité + Spécialiste SEO
Sur quoi doivent-ils travailler ? (décrivez la tâche) :

Étape 4 : Lancer les agents en parallèle

  1. Lisez le fichier markdown de chaque agent sélectionné
  2. Demandez la description de la tâche si elle n'est pas déjà fournie
  3. Lancez tous les agents en parallèle en utilisant l'outil Agent :
    • subagent_type: "general-purpose"
    • prompt: "{contenu du fichier de l'agent}\n\nTâche : {description de la tâche}"
    • Chaque agent s'exécute indépendamment — aucune communication inter-agents n'est nécessaire
  4. Si un agent échoue (erreur, délai dépassé ou sortie vide), notez l'échec en ligne (ex : "Ingénieur Sécurité : échec — [raison]") et continuez avec les résultats des agents qui ont réussi

Étape 5 : Synthétiser les résultats

Collectez toutes les sorties et présentez un rapport unifié :

  • Résultats groupés par agent
  • Section de synthèse mettant en évidence :
    • Convergences entre agents
    • Conflits ou tensions entre recommandations
    • Prochaines étapes recommandées

Si un seul agent a été sélectionné, ignorez la synthèse et présentez la sortie directement.

Règles

  • Découverte dynamique uniquement. Ne jamais coder en dur les listes d'agents. Les nouveaux fichiers dans le répertoire apparaissent automatiquement dans le menu.
  • Maximum 5 agents par équipe. Plus de 5 produit des rendements décroissants et une utilisation excessive de jetons. Appliquez au moment de la sélection.
  • Envoi parallèle. Tous les agents s'exécutent simultanément — utilisez le modèle d'invocation parallèle de l'outil Agent.
  • Appels parallèles à l'Agent, pas TeamCreate. Cette compétence utilise des appels parallèles à l'outil Agent pour un travail indépendant. TeamCreate (un outil de Claude Code pour le dialogue multi-agents) n'est nécessaire que lorsque les agents doivent débattre ou se répondre.

Exemples

Utilisateur : team builder

Claude :
Domaines d'agents disponibles :
1. Ingénierie (2) — Architecte Logiciel, Ingénieur Sécurité
2. Marketing (1) — Spécialiste SEO
3. Ventes (4) — Coach de Découverte, Stratège Sortant, Stratège Proposition, Ingénieur Commercial
4. Support (1) — Résumé Exécutif

Choisissez des domaines ou nommez des agents spécifiques :

Utilisateur : sécurité + seo

Claude :
Sélectionnés : Ingénieur Sécurité + Spécialiste SEO
Sur quoi doivent-ils travailler ?

Utilisateur : Révise mon site e-commerce Next.js avant le lancement

[Les deux agents se lancent en parallèle, chacun appliquant sa spécialité au codebase]

Claude :
## Résultats de l'Ingénieur Sécurité
- [résultats...]

## Résultats du Spécialiste SEO
- [résultats...]

## Synthèse
Les deux agents s'accordent sur : [...]
Tension : L'Ingénieur Sécurité recommande une CSP qui bloque les styles inline, le Spécialiste SEO a besoin d'un balisage schema inline. Résolution : [...]
Prochaines étapes : [...]

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