Communitygithub.com

Claude DevFleet

Orquestre tarefas de codificação multi-agente via Claude DevFleet — planeje projetos, despache agentes paralelos em worktrees isolados, monitore o progresso e leia relatórios estruturados.

O que é Claude DevFleet?

Claude DevFleet é uma habilidade de orquestração multi-agente que permite que você despache múltiplos agentes Claude Code para trabalhar em tarefas de codificação em paralelo, cada um em seu próprio worktree isolado do Git. Ela é especialmente útil para projetos grandes que podem ser divididos em missões independentes ou encadeadas, como construir uma API REST completa com autenticação e testes. A habilidade suporta fluxos de trabalho totalmente automáticos (planejar e despachar) e manuais (passo a passo), com ferramentas para criar projetos e missões, despachar agentes, monitorar progresso (com polling ou bloqueio) e obter relatórios detalhados de cada missão. O DevFleet gerencia dependências entre missões em um DAG e executa até 3 agentes simultaneamente (configurável), com fila automática para missões que aguardam vagas. Tudo é acessado via MCP (Model Context Protocol), conectando o servidor DevFleet ao Claude.

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

Perguntar na sua IA favorita

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

Documentação

Orquestração Multi-Agente Claude DevFleet

Quando Usar

Use esta habilidade quando precisar despachar múltiplos agentes Claude Code para trabalhar em tarefas de codificação em paralelo. Cada agente executa em um worktree git isolado com ferramentas completas.

Configuração

O servidor DevFleet é um projeto separado, não incluso no ECC. Instale e execute-o a partir de seu repositório primeiro: https://github.com/LEC-AI/claude-devfleet

Em seguida, conecte a instância em execução via MCP:

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

Antes do primeiro uso, verifique se o processo ouvindo na porta 18801 é o binário DevFleet que você instalou (consulte SECURITY.md sobre servidores MCP localhost).

Como Funciona

Usuário → "Construa uma API REST com autenticação e testes"
  ↓
plan_project(prompt) → project_id + DAG de missões
  ↓
Mostrar plano ao usuário → obter aprovação
  ↓
dispatch_mission(M1) → Agente 1 é gerado no worktree
  ↓
M1 completa → merge automático → despacho automático de M2 (depends_on M1)
  ↓
M2 completa → merge automático
  ↓
get_report(M2) → arquivos_alterados, o_que_foi_feito, erros, próximos_passos
  ↓
Relatar de volta ao usuário

Ferramentas

FerramentaFinalidade
plan_project(prompt)A IA divide uma descrição em um projeto com missões encadeadas
create_project(nome, caminho?, descrição?)Criar um projeto manualmente, retorna project_id
create_mission(project_id, título, prompt, depends_on?, auto_dispatch?)Adicionar uma missão. depends_on é uma lista de IDs de missão (ex.: ["abc-123"]). Defina auto_dispatch=true para iniciar automaticamente quando as dependências forem atendidas.
dispatch_mission(mission_id, modelo?, max_turns?)Iniciar um agente em uma missão
cancel_mission(mission_id)Parar um agente em execução
wait_for_mission(mission_id, tempo_limite_segundos?)Bloquear até que uma missão seja concluída (veja nota abaixo)
get_mission_status(mission_id)Verificar o progresso da missão sem bloquear
get_report(mission_id)Ler relatório estruturado (arquivos alterados, testados, erros, próximos passos)
get_dashboard()Visão geral do sistema: agentes em execução, estatísticas, atividade recente
list_projects()Navegar por todos os projetos
list_missions(project_id, status?)Listar missões em um projeto

Nota sobre wait_for_mission: Isso bloqueia a conversa por até tempo_limite_segundos (padrão 600). Para missões longas, prefira fazer polling com get_mission_status a cada 30–60 segundos, para que o usuário veja atualizações de progresso.

Fluxo de Trabalho: Planejar → Despachar → Monitorar → Relatar

  1. Planejar: Chame plan_project(prompt="...") → retorna project_id + lista de missões com cadeias depends_on e auto_dispatch=true.
  2. Mostrar plano: Apresente ao usuário os títulos, tipos e a cadeia de dependências das missões.
  3. Despachar: Chame dispatch_mission(mission_id=<id_primeira_missão>) na missão raiz (com depends_on vazio). As missões restantes são despachadas automaticamente à medida que suas dependências são concluídas (porque plan_project define auto_dispatch=true nelas).
  4. Monitorar: Chame get_mission_status(mission_id=...) ou get_dashboard() para verificar o progresso.
  5. Relatar: Chame get_report(mission_id=...) quando as missões forem concluídas. Compartilhe os destaques com o usuário.

Concorrência

O DevFleet executa até 3 agentes simultaneamente por padrão (configurável via DEVFLEET_MAX_AGENTS). Quando todas as vagas estão ocupadas, missões com auto_dispatch=true entram em fila no monitor de missões e são despachadas automaticamente à medida que as vagas são liberadas. Verifique get_dashboard() para o uso atual de vagas.

Exemplos

Totalmente automático: planejar e lançar

  1. plan_project(prompt="...") → mostra o plano com missões e dependências.
  2. Despache a primeira missão (aquela com depends_on vazio).
  3. As missões restantes são despachadas automaticamente à medida que as dependências são resolvidas (elas têm auto_dispatch=true).
  4. Relate com o ID do projeto e a contagem de missões para que o usuário saiba o que foi lançado.
  5. Faça polling com get_mission_status ou get_dashboard() periodicamente até que todas as missões atinjam um estado terminal (completed, failed ou cancelled).
  6. get_report(mission_id=...) para cada missão terminal — resuma os sucessos e destaque falhas com erros e próximos passos.

Manual: controle passo a passo

  1. create_project(name="Meu Projeto") → retorna project_id.
  2. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) para a primeira missão (raiz) → capture root_mission_id. create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"]) para cada tarefa subsequente.
  3. dispatch_mission(mission_id=...) na primeira missão para iniciar a cadeia.
  4. get_report(mission_id=...) quando terminar.

Sequencial com revisão

  1. create_project(name="...") → obtenha project_id.
  2. create_mission(project_id=project_id, title="Implementar funcionalidade", prompt="...") → obtenha impl_mission_id.
  3. dispatch_mission(mission_id=impl_mission_id), depois faça polling com get_mission_status até concluir.
  4. get_report(mission_id=impl_mission_id) para revisar os resultados.
  5. create_mission(project_id=project_id, title="Revisão", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) — inicia automaticamente, pois a dependência já foi atendida.

Diretrizes

  • Sempre confirme o plano com o usuário antes de despachar, a menos que ele tenha dito para prosseguir.
  • Inclua títulos e IDs das missões ao relatar o status.
  • Se uma missão falhar, leia seu relatório antes de tentar novamente.
  • Verifique get_dashboard() para disponibilidade de vagas de agente antes de despachar em lote.
  • As dependências das missões formam um DAG — não crie dependências circulares.
  • Cada agente executa em um worktree git isolado e faz merge automático ao concluir. Se ocorrer um conflito de merge, as alterações permanecem no branch do worktree do agente para resolução manual.
  • Ao criar missões manualmente, sempre defina auto_dispatch=true se quiser que elas sejam acionadas automaticamente quando as dependências forem concluídas. Sem essa flag, as missões permanecem no status 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.

Habilidades Relacionadas