agenthub

AgentHub — マルチエージェントのコラボレーション

同じタスクで競い合う N 個の AI エージェントを並列で起動します。各エージェントは、分離された git worktree で作業します。コーディネーターが結果を評価し、最良の結果をマージします。

スラッシュコマンド

コマンド	説明
/hub:hub-init	新しいコラボレーションセッションを作成します — タスク、エージェント数、評価基準を指定します
/hub:spawn	分離された worktree で N 個のサブエージェントを起動します
/hub:hub-status	DAG の状態、エージェントの進捗、ブランチの状態を表示します
/hub:eval	指標または LLM の判定によってエージェントの結果を順位付けします
/hub:merge	最良のブランチをマージし、他のブランチをアーカイブします
/hub:board	エージェントのメッセージボードを読み書きします
/hub:run	1 回の操作でライフサイクルを実行します：init → baseline → spawn → eval → merge

エージェントテンプレート

--template を指定して起動すると、エージェントは事前定義された反復パターンに従います。

テンプレート	パターン	用途
optimizer	編集 → 評価 → 維持／破棄 → 10 回繰り返し	パフォーマンス、レイテンシー、サイズ
refactorer	再構成 → テスト → 成功するまで反復	コード品質、技術的負債
test-writer	テスト作成 → カバレッジ測定 → 繰り返し	テストカバレッジの不足箇所
bug-fixer	再現 → 診断 → 修正 → 検証	バグ修正のアプローチ

テンプレートは references/agent-templates.md で定義されています。

このスキルが有効になる条件

トリガーフレーズ：

• 「複数のアプローチを試して」
• 「エージェント同士を競わせて」
• 「並列で最適化して」
• 「N 個のエージェントを起動して」
• 「異なる解決策を比較して」
• 「ファンアウト」または「トーナメント」
• 「コンテンツのバリエーションを生成して」
• 「異なる草案を比較して」
• 「コピーを A/B テストして」
• 「複数の戦略を検討して」

コーディネータープロトコル

メインの Claude Code セッションがコーディネーターです。次のライフサイクルに従います。

INIT → DISPATCH → MONITOR → EVALUATE → MERGE

1. 初期化

/hub:hub-init を実行してセッションを作成します。次のファイルが生成されます：

• .agenthub/sessions/{session-id}/config.yaml — タスク設定
• .agenthub/sessions/{session-id}/state.json — 状態マシン
• .agenthub/board/ — メッセージボードのチャンネル

2. ディスパッチ

/hub:spawn を実行してエージェントを起動します。各エージェント 1..N について：

• タスクの割り当てを .agenthub/board/dispatch/ に投稿します
• Agent ツールで isolation: "worktree" を指定して起動します
• すべてのエージェントを 1 つのメッセージで並列起動します

3. 監視

/hub:hub-status を実行して進捗を確認します：

• dag_analyzer.py --status --session {id} でブランチの状態を確認できます
• ボードの progress/ チャンネルにエージェントの更新が投稿されます

4. 評価

/hub:eval を実行して結果を順位付けします：

• 指標モード：各 worktree で評価コマンドを実行し、数値結果を解析します
• 判定モード：差分を読み、コーディネーターが品質に基づいて順位付けします
• ハイブリッド：まず指標で評価し、同点の場合は LLM の判定を使用します

5. マージ

/hub:merge を実行して最終処理を行います：

• git merge --no-ff で勝者をベースブランチにマージします
• 敗者に git tag hub/archive/{session}/agent-{i} のタグを付けます
• worktree をクリーンアップします
• マージの概要をボードに投稿します

エージェントプロトコル

各サブエージェントには、次のプロンプトパターンが渡されます。

You are agent-{i} in hub session {session-id}.
Your task: {task description}

Instructions:
1. Read your assignment at .agenthub/board/dispatch/{seq}-agent-{i}.md
2. Work in your worktree — make changes, run tests, iterate
3. Commit all changes with descriptive messages
4. Write your result summary to .agenthub/board/results/agent-{i}-result.md
5. Exit when done

エージェントは互いの作業を参照できません。また、互いに連絡を取り合うこともありません。コーディネーターが読むためにボードへ書き込むだけです。

DAG モデル

ブランチの命名

hub/{session-id}/agent-{N}/attempt-{M}

• セッション ID：タイムスタンプベース（YYYYMMDD-HHMMSS）
• エージェント N：連番（1 からエージェント数まで）
• 試行 M：再試行ごとに増加します（通常は 1）

フロンティアの検出

フロンティア = 子ブランチを持たないブランチの先端です。AgentHub の「leaves」クエリと同等です。

python scripts/dag_analyzer.py --frontier --session {id}

不変性

DAG は追記専用です：

• エージェントのブランチをリベースしたり、強制プッシュしたりしないでください
• コミットを削除しないでください（アーカイブ後のブランチ参照のみ削除できます）
• すべてのアプローチを git タグで保存します

メッセージボード

場所：.agenthub/board/

チャンネル

チャンネル	書き込み	読み取り	目的
dispatch/	コーディネーター	エージェント	タスクの割り当て
progress/	エージェント	コーディネーター	状況の更新
results/	エージェント + コーディネーター	全員	最終結果とマージの概要

投稿形式

---
author: agent-1
timestamp: 2026-03-17T14:30:22Z
channel: results
parent: null
---

## Result Summary

- **Approach**: Replaced O(n²) sort with hash map
- **Files changed**: 3
- **Metric**: 142ms (baseline: 180ms, delta: -38ms)
- **Confidence**: High — all tests pass

ボードのルール

• 追記専用：投稿を編集または削除しないでください
• ファイル名は一意にする：{seq:03d}-{author}-{timestamp}.md
• すべての投稿に YAML フロントマターが必須です

評価モード

メトリクスベース

最適な用途：ベンチマーク、テスト合格率、ファイルサイズ、応答時間。

python scripts/result_ranker.py --session {id} \
  --eval-cmd "pytest bench.py --json" \
  --metric p50_ms --direction lower

ランカーは各エージェントの作業ツリーディレクトリで評価コマンドを実行し、標準出力からメトリクスを解析します。

LLM による評価

最適な用途：コード品質、可読性、アーキテクチャの判断。

コーディネーターは各エージェントの差分（git diff base...agent-branch）を読み、次の基準で順位付けします。

1. 正確性（タスクを解決しているか）
2. シンプルさ（変更行数が少ないほうを優先）
3. 品質（実行がクリーンで、構成が適切か）

ハイブリッド

まずメトリクスで評価します。上位エージェント同士の差が 10% 以内の場合は、LLM による評価で同点を判定します。

セッションのライフサイクル

init → running → evaluating → merged
                            → archived (if no winner)

状態遷移は session_manager.py で管理されます。

遷移元	遷移先	トリガー
init	running	/hub:spawn の完了
running	evaluating	すべてのエージェントが戻る
evaluating	merged	/hub:merge の完了
evaluating	archived	勝者なし／すべて失敗

プロアクティブなトリガー

次の場合、コーディネーターは対応します。

シグナル	アクション
すべてのエージェントがクラッシュした	失敗の概要を投稿し、異なる制約での再試行を提案する
ベースラインを上回る改善がない	セッションをアーカイブし、別のアプローチを提案する
孤立した作業ツリーが検出された	session_manager.py --cleanup {id} を実行する
セッションが running のまま停滞している	ボードで進捗を確認し、タイムアウトを検討する

インストール

# Copy to your Claude Code skills directory
cp -r engineering/agenthub ~/.claude/skills/agenthub

# Or install via ClawHub
clawhub install agenthub

スクリプト

スクリプト	用途
hub_init.py	.agenthub/ の構造とセッションを初期化する
dag_analyzer.py	フロンティアの検出、DAG グラフ、ブランチの状態
board_manager.py	メッセージボードの CRUD（チャンネル、投稿、スレッド）
result_ranker.py	メトリクスまたは差分の品質に基づいてエージェントを順位付けする
session_manager.py	セッションの状態マシンとクリーンアップ

関連スキル

• autoresearch-agent — 単一エージェントの最適化ループ（N 個のエージェントを競わせる場合は AgentHub を使用します）
• self-improving-agent — 自己変更型エージェント（外部との競争を行う場合は AgentHub を使用します）
• git-worktree-manager — Git 作業ツリーのユーティリティ（AgentHub は内部で作業ツリーを使用します）