Communitygithub.com

Harnais d'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 Harnais d'Agent Autonome ?

Ce skill transforme Claude Code en un système d'agent autonome complet, similaire à Hermes ou AutoGPT, mais en utilisant directement l'infrastructure de Claude Code. Il combine outils de session, planification externe, mémoire persistante et intégration d'utilisation de l'ordinateur. L'architecture s'appuie sur une couche d'agents et de compétences ECC, des serveurs MCP (comme un serveur de mémoire pour une base de connaissances structurée), et une planification native via `/loop` ou un planificateur externe (cron, CI). Le skill insiste sur la sécurité : l'opération autonome doit être explicitement approuvée par l'utilisateur, et les actions doivent être testées en mode dry-run avant d'être activées de manière récurrente. Il prend en charge la mémoire persistante à plusieurs niveaux (session, fichiers projet, graphe de connaissances MCP), les opérations planifiées pour des tâches récurrentes, le déclenchement d'agents distants via CI ou webhooks, et l'utilisation de l'ordinateur pour l'automatisation du navigateur et du bureau. Un guide de configuration étape par étape est fourni, incluant la configuration des serveurs MCP, la création de tâches planifiées et l'initialisation de la mémoire.

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

Demander à votre IA préférée

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

Documentation

Que fait Harnais d'Agent Autonome ?

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

Consentement et Limites de Sécurité

L'opération autonome doit être explicitement demandée et délimitée par l'utilisateur. Ne créez pas de planifications, ne déployez 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, ou n'agissez pas sur des communications privées à moins que l'utilisateur n'ait approuvé cette capacité et l'espace de travail cible pour la configuration actuelle.

Privilégiez les plans dry-run 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 personnelles et les automatisations spécifiques aux comptes en dehors des artefacts ECC réutilisables.

Quand Activer

  • L'utilisateur souhaite un agent qui s'exécute en continu ou selon un planning
  • Mise en place de flux de travail automatisés qui se déclenchent périodiquement
  • Construction d'un assistant IA personnel qui se souvient du contexte entre les sessions
  • L'utilisateur dit "exécute ceci chaque jour", "vérifie ceci régulièrement", "continue la surveillance"
  • Souhaite reproduire les fonctionnalités de Hermes, AutoGPT ou des frameworks d'agents autonomes similaires
  • A besoin de l'utilisation de l'ordinateur combinée à une exécution planifiée

Architecture

┌──────────────────────────────────────────────────────────────┐
│                    Claude Code Runtime                        │
│                                                              │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌─────────────┐ │
│  │  Crons   │  │ Dispatch │  │ Memory   │  │ Computer    │ │
│  │ Schedule │  │ Remote   │  │ Store    │  │ Use         │ │
│  │ Tasks    │  │ Agents   │  │          │  │             │ │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  └──────┬──────┘ │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              ECC Skill + Agent Layer                  │    │
│  │                                                      │    │
│  │  skills/     agents/     commands/     hooks/        │    │
│  └──────────────────────────────────────────────────────┘    │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              MCP Server Layer                        │    │
│  │                                                      │    │
│  │  memory    github    exa    supabase    browser-use  │    │
│  └──────────────────────────────────────────────────────┘    │
└──────────────────────────────────────────────────────────────┘

Composants Principaux

1. Mémoire Persistante

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

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

  • Préférences utilisateur, retours, contexte du 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 dans la session

# Moyen terme : fichiers de mémoire du 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 des 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 Passez en revue les PR ouvertes dans ce dépôt et résumez les échecs CI.

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

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

Utilisez un planificateur du système d'exploitation ou une planification CI pour invoquer cette commande de manière répétée lorsqu'aucune session interactive n'est ouverte. Configurez l'authentification et les autorisations d'outils de l'exécuteur séparément.

Modèles de cron utiles :

ModèlePlanificationCas d'Usage
Quotidien standup0 9 * * 1-5Réviser les PR, les problèmes, l'état du déploiement
Revue hebdomadaire0 10 * * 1Métriques de qualité du code, couverture des tests
Surveillance horaire0 * * * *Santé de la production, vérification des taux d'erreur
Build nocturne0 2 * * *Exécuter la suite de tests complète, scan de sécurité
Pré-réunion*/30 * * * *Préparer le contexte pour les réunions à venir

3. Dispatch / Agents Distants

Faites en sorte qu'un travail 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, et non un point de terminaison de dispatch public d'Anthropic.

Modèles de dispatch :

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

# Déclenchez depuis un webhook
# Webhook GitHub -> exécuteur CI authentifié -> claude -p -> résultat révisable

# Déclenchez depuis un autre agent
claude -p "Analysez la sortie du scan de sécurité et créez des tickets pour les conclusions"

4. Utilisation de l'Ordinateur

Le contrôle de l'ordinateur nécessite une intégration configurée séparément. L'outil d'utilisation de l'ordinateur et son 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 du 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'utilisation dans le harnais :

  • Tests automatisés des interfaces web
  • Remplissage de formulaires et saisie de données
  • Surveillance basée sur des captures d'écran
  • Flux de travail 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
Écrivez la file d'attente des tâches dans ~/.claude/projects/*/memory/task-queue.md

# Format de tâche
---
name: task-queue
type: project
description: File d'attente des tâches persistante pour l'opération autonome
---

## Tâches Actives
- [ ] PR #123 : Réviser 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] Standup quotidien : 3 PR révisées, 2 problèmes

Remplacement de Hermes

Composant HermesÉquivalent ECCComment
Passerelle/RouteurCLI + planificateur externeUn exécuteur authentifié démarre les sessions d'agent
Système de MémoireMémoire Claude + serveur MCP de mémoirePersistance intégrée + graphe de connaissances
Registre d'OutilsServeurs MCPFournisseurs d'outils chargés dynamiquement
OrchestrationCompétences + agents ECCLes définitions de compétences 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 optionnel. Le serveur de mémoire de référence MCP est publié sous le nom @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 intégré à 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 avec cmd /c npx sous Windows.

{
  "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 plus tard publié 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 l'interrogation pendant une session interactive, saisissez :

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

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

Étape 3 : Initialiser le Graphe de Mémoire

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

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

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

Exemples de Flux de Travail

Réviseur de PR Autonome

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
   - Réviser les modifications avec l'agent code-reviewer
   - Publier des commentaires de révision via le MCP GitHub
3. Mettre à jour la mémoire avec l'état de la révision

Agent de Recherche Personnel

Cron : quotidien à 6h du matin
1. Vérifier les requêtes de recherche sauvegardées dans la mémoire
2. Exécuter des recherches Exa pour chaque requête
3. Résumer les nouvelles découvertes
4. Comparer avec les résultats d'hier
5. Écrire le résumé dans la mémoire
6. Marquer les éléments haute priorité pour la révision matinale

Agent de Préparation de Réunion

Déclencheur : 30 min avant chaque événement du calendrier
1. Lire les détails de l'événement du calendrier
2. Rechercher dans la mémoire le contexte sur les participants
3. Récupérer les récents fils de discussion email/Slack avec les participants
4. Préparer les points de discussion et suggestions d'ordre du jour
5. Écrire le document de préparation dans la 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 l'utilisation du modèle et est soumise aux limites du fournisseur configuré. Choisissez des intervalles de planification appropriés.
  • Les fichiers mémoire doivent rester concis. Archivez les anciennes données plutôt que de laisser les fichiers croître sans limite.
  • 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/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 associés