grahama1970/agent-inbox

Mensagens entre agentes baseadas em arquivos com despacho headless. Verifique a caixa de entrada, envie bugs/solicitações para outros projetos, gere automaticamente agentes headless para corrigir bugs e acompanhe o progresso via task-monitor.

O que é agent-inbox?

O Agent Inbox é uma skill de mensagens entre agentes baseada em arquivos, projetada para fluxos de trabalho multiagente em plataformas como Claude Code, Cursor e Codex. Ela permite que um agente envie bugs ou solicitações para outro projeto, onde uma triagem automatizada classifica a severidade, ajusta a prioridade e roteia para o projeto correto. Um agente headless é então gerado com o modelo de IA especificado para resolver o problema, com progresso rastreado em tempo real de 0% a 100%. A skill também suporta verificação automática via comandos de teste, encadeamento de respostas, histórico de decisões de triagem, e armazenamento local estruturado. É útil para equipes de desenvolvimento que desejam automatizar a correção de bugs e a comunicação entre agentes sem intervenção manual constante.

Funciona com✓Claude Code✓Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/grahama1970/agent-skills/tree/main/skills/agent-inbox

Installed? Explore more Programação e Desenvolvimento skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

PARE. LEIA ESTE SKILL.MD COMPLETO ANTES DE CHAMAR QUALQUER ENDPOINT.

Agent Inbox

Mensagens entre agentes baseadas em arquivos com despacho headless e integração com task-monitor.

Fluxo de Trabalho Principal

  1. Enviar: Agente A envia bug/solicitação para o projeto B com modelo + comando de verificação
  2. Triagem: IA classifica a severidade, ajusta prioridade/modelo, roteia para o projeto
  3. Despachar: Agente headless é gerado com o modelo especificado para corrigir o problema
  4. Acompanhar: Task-monitor mostra progresso em tempo real (0% → 25% → 50% → 75% → 100%)
  5. Verificar: Comando de teste é executado antes do auto-ack — falhas retornam ao agente
  6. Thread: Encadeamento de respostas/trocas para conversas com múltiplas mensagens

Configuração

# Registrar projetos (uma vez)
.pi/skills/agent-inbox/agent-inbox register memory /home/user/workspace/memory
.pi/skills/agent-inbox/agent-inbox register scillm /home/user/workspace/litellm

# Listar / verificar
.pi/skills/agent-inbox/agent-inbox projects
.pi/skills/agent-inbox/agent-inbox whoami

Comandos

ComandoDescrição
register <nome> <caminho>Registrar um projeto
unregister <nome>Remover um projeto
projects [--json]Listar projetos registrados
whoamiMostrar projeto detectado para o diretório atual
send --to PROJETO --type TIPO "msg"Enviar mensagem (tipos: bug, request, info, question)
check [--project P] [--all] [--quiet]Verificar caixa de entrada
list [--project P] [--status S] [--json]Listar mensagens
read ID_MSG [--json]Ler uma mensagem
ack ID_MSG [--note "..."]Confirmar/completar
reply ID_MSG "msg"Responder (thread automática)
thread ID_THREADVer thread completa de trocas
update-status ID_MSG STATUS [--note]Atualizar status manualmente
triage classify --message "..." [--no-llm]Classificação manual de triagem
triage route --message "..."Roteamento automático por caminhos de arquivo
triage log --msg-id IDVer registro de decisão de triagem
triage webhook-add --url URL --events ERegistrar webhook

Opções de Envio

OpçãoDescriçãoPadrão
--model MODELOModelo de IA: sonnet, opus-4.5, codex-5.2, codex-5.2-highsonnet
--timeout MINUTOSTempo máximo de trabalho do agente30
--test COMANDOComando de verificação antes do auto-ackNenhum
--no-dispatchDesabilitar auto-spawnFalse
--context-file ARQUIVOAnexar arquivo como contexto (repetível)Nenhum
--priority PRIORIDADElow, normal, high, criticalnormal
--no-triagePular triagem de IAFalse
--dry-runMostrar JSON da mensagem sem enviarFalse

Seleção de Modelo

ModeloCaso de Uso
sonnetCorreções simples, erros de digitação
opus-4.5Análise complexa, arquitetura
codex-5.2Correções de bugs padrão
codex-5.2-highRaciocínio profundo, condições de corrida

Triagem de IA

As mensagens são classificadas automaticamente por severidade:

  • critical: falha, perda de dados, segurança, produção fora do ar → opus-4.5
  • high: erro, exceção, falha, quebrado, regressão → opus-4.5
  • medium: bug, problema, incorreto, inesperado → sonnet
  • low: erro de digitação, cosmético, melhoria, menor → sonnet

O roteamento automático extrai caminhos de arquivo das mensagens e os combina com projetos registrados.

Progressão de Status

pending → dispatched (25%) → in_progress (50%) → needs_verification (75%) → done (100%)

Pré-Hook de Memória

O despachante consulta /memory antes de gerar para encontrar bugs semelhantes e soluções anteriores.

Verificação Proativa

Agentes devem verificar a caixa de entrada no início da sessão, ao trocar de projetos, antes de trabalhos importantes, e quando usuários mencionarem outro agente ou projeto.

Armazenamento

~/.agent-inbox/
├── pending/          # Mensagens não processadas
├── done/             # Mensagens confirmadas
├── logs/             # Registros de despacho
├── task_states/      # Arquivos de estado do task-monitor
├── triage_logs/      # Registros de decisão de triagem de IA
├── webhooks.json     # Webhooks registrados
└── projects.json     # Registro de projetos

Exemplos

# Enviar bug com verificação (gera agente Opus headless, auto-ack se o teste passar)
python inbox.py send --to scillm --type bug --model opus-4.5 \
  --test "pytest tests/test_providers.py -x" \
  "Condição de corrida na inicialização do provider"

# Anexar arquivos de contexto
python inbox.py send --to scillm --type bug --model opus-4.5 \
  --context-file src/server.py --context-file /tmp/traceback.txt \
  "Falha no servidor ao iniciar"

# Verificar e processar caixa de entrada
python inbox.py check --all
python inbox.py read scillm_abc123
python inbox.py ack scillm_abc123 --note "Corrigido no commit abc123"

# Troca encadeada
python inbox.py reply scillm_abc123 "Você pode fornecer o stack trace?"
python inbox.py thread scillm_abc123

Daemon do Despachante

python dispatcher.py start              # Background
python dispatcher.py start --foreground  # Debug
python dispatcher.py status
python dispatcher.py stop

Variáveis de Ambiente

VariávelDescriçãoPadrão
AGENT_INBOX_DIRDiretório da caixa de entrada~/.agent-inbox
TASK_MONITOR_API_URLURL do task-monitorhttp://localhost:8765
CLAUDE_PROJECTNome do projeto atualauto-detectado

Integração com Hooks do Claude Code

{
  "hooks": {
    "on_session_start": [
      ".pi/skills/agent-inbox/agent-inbox check --project $(basename $PWD) || true"
    ]
  }
}

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

grahama1970/acceptance-contract

Turn a client brief, zip bundle, directory, or single requirements file into a typed acceptance-contract bundle with extracted requirements, acceptance checks, open questions, an immutable-goal draft, and a create-report-backed decision report. Use when users say acceptance contract, brief to requirements, freeze the goal, create immutable goal, amend immutable goal, build a Battle requirements bundle, or extract requirements from this bundle.

grahama1970/agent-ecosystem

Canonical map and shared contracts for the agent-governance ecosystem: the pi.receipt_envelope.v1 boundary envelope, the component graph, and the rules for which component owns which schema. Use when wiring a skill or extension into the shared receipt world, when asking how shame, triage-error, tau, ask, project-watchdog, ops-herdr, ponytail, and Memory fit together, or when validating an envelope.

grahama1970/agentic-evals

Agentic evaluation of skills using multi-trial fixtures, deterministic command assertions, trajectory checks, safety constraints, and evidence-backed readiness scoring. Use when users ask for agentic evals, multi-trial skill evaluation, skill trajectory validation, or readiness scoring for a skill workflow.

grahama1970/agents-registry

Generate and query the centralized agent identity registry. Scans .pi/agents/*/AGENTS.md, parses frontmatter, outputs agents-registry.json and optionally syncs to /memory for semantic search.

grahama1970/agent-status

Artifact-driven status surfaces for long-running project-agent work. Maintains status.json, events.jsonl, proof manifests, and a stale-aware STATUS.html so humans can tell where the agent is, what passed, what is still unproven, and what decision or action is next — without dashboard theater.

grahama1970/align

Round-based context alignment before execution. Use when the human, project agent, WebGPT, scillm, ask, dogpile, memory, or project-knowledge may each hold different facts about a task; especially before ambiguous design, infographic, product workflow, high-stakes implementation, plan-iterate, project-infographic, or multi-review work.

grahama1970/analytics

Flexible data science analytics for any dataset. Auto-discovers schema, recommends charts, exports to create-figure. Works with JSONL, JSON, CSV from any source.

grahama1970/analyze-chatterbox-emotions

Evaluate generated Chatterbox voice files as voice-quality artifacts: affect match, arousal/valence proxies, pause placement, intelligibility inputs, clipping, loudness, and discontinuity flags. Use when reviewing Chatterbox emotional tags, pauses, Turbo/base affect delivery, Persona Dream utterance renders, or whether generated speech matches an intended product-facing affect.

grahama1970/analyze-elf

Reverse-engineer features from ELF binaries. Extracts CLI commands, state machines, protocols, Zod schemas, and data models. Automatically generates a /create-walkthrough prosecution brief with Mermaid diagrams. Uses /treesitter for AST analysis of bundled JS/TS source.

grahama1970/animation-vocabulary

Reverse-lookup glossary that turns a vague description of a web animation or motion effect into its exact term ("the bouncy thing when a popover opens" → Pop in; "the iOS rubber-band scroll" → Rubber-banding). Use when the user asks "what's it called when…", or describes a motion effect without knowing its name and wants the right word to prompt an AI or designer with. For naming an effect, not designing or building one.

grahama1970/anonymize-data

Anonymize supported CSV, JSON, UTF-8 text, and SQLite files using an explicit policy through the oai-trial project. Use for anonymize data, pseudonymize exports, redact policy literals, or discover and explicitly approve fuzzy name aliases. The skill is a thin CLI/Docker interface, not another engine.

grahama1970/anvil

Heavy-duty "No-Vibes" debugging and hardening orchestrator. Use this for complex, stubborn bugs where `review-code` has failed, or for "Red Teaming" (hardening) a codebase. Runs multiple agents in parallel (Thunderdome) using git worktree isolation.

grahama1970/apple-design

Apple's approach to interface design and fluid, physical motion, translated for the web. Use when building or reviewing gesture-driven UI, spring animations, drag/swipe/sheet interactions, momentum and interruptible transitions, translucent materials and depth, typography (optical sizing, tracking, leading), reduced-motion, or the design foundations (feedback, spatial consistency, restraint) behind Apple-style interfaces.

grahama1970/argue

Multi-persona structured debate orchestrator. Personas research via /dogpile, consult colleagues via /ask, and argue toward nuanced synthesis on complex questions.

grahama1970/arxiv

Search arXiv for papers and extract knowledge into memory. Use `search` to find papers, `learn` to extract knowledge.

grahama1970/ask

Use when the user asks to query project memory, ask an oracle, use supported browser-backed reviewers, run Tau roundtable/single-handler workflows, ask Pi-native subagents from within Pi, run persona/deep-review workflows, generate image prompts, check OS/project health through composed skills, or run an ask DAG. This skill is the executable /ask runtime; do not replace it with an informal subagent, plain web search, or hand-written review; inside Pi, explicit Pi-native subagent targets are routed through the pi-subagents tool as an Ask target type.

grahama1970/assess

Step back and critically reassess project state. Use when asked to "assess", "step back", "fresh eyes", "check alignment", "sanity check", "health check", "prune documentation", or "evaluate what's working". Offers documentation pruning and doc-code alignment analysis. Offer to run after major changes (don't auto-run).

grahama1970/assistant

Shared GPT + classifier inference gateway for persona monitor tasks. Routes validation and classification through a 4-tier cascade: heuristic → classifier → local GPT → scillm.

grahama1970/assistant-lab

Self-improvement workbench for /assistant. All the tools needed to diagnose, train, evaluate, and promote models in a continuous loop. The "warm pond" where /assistant evolves its own inference stack.

grahama1970/batch-quality

Pre-flight validation and quality gates for batch LLM operations. ACTUALLY tests samples through LLM before burning tokens. Uses SPARTA contracts for DuckDB validation queries. Integrates with task-monitor for enforced quality gates.

Habilidades Relacionadas