mcpField
B
brains-trust

brains-trust

github.com/jezwebエージェントワークフロー1.1k535 回インストール3 週間前に更新
リポジトリ

brains-trust について

brains-trustは、コードや設計、戦略、文章などについて他のAIモデルに意見を求めるClaudeスキルです。単一モデル、複数プロバイダーによる合意形成、反論役のレビューに対応し、更新されるモデル一覧からモデルを選びます。

主な機能

  1. 01単一モデルと合意形成の相談
  2. 02反論役によるレビュー
  3. 03コード・設計・戦略の各モード
  4. 04最新モデル一覧から選択
  5. 05プロンプトと相談結果の保存

活用シーン

  1. 01設計上の判断について別の意見を得る
  2. 02デバッグが進まない際に助言を得る
  3. 03セキュリティ上重要なコードをレビューする
  4. 04戦略やプロンプトの前提を検証する

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/jezweb/claude-skills --skill brains-trust

インストール後、Claude Code で/brains-trustを入力して読み込まれたか確認します。

同梱ファイルreferences/prompt-templates.mdreferences/provider-api-patterns.md

詳細

Brains Trust

別の有力な AI モデルにセカンドオピニオンを求めます。コードに限らず、アーキテクチャ、戦略、プロンプト作成、デバッグ、文章作成など、新たな視点が役立つあらゆる質問に対応します。

デフォルト設定（ユーザーが「Brains Trust」とだけ言った場合）

相談したい内容を指定せずにユーザーがこのスキルを実行した場合は、次のデフォルト設定を適用します。

  1. パターン：コンセンサス（異なるプロバイダーのモデル 2 つ）—「single opinion」ではなく「brains trust」と呼ぶのには理由があります。
  2. 範囲：現在のセッションで Claude が取り組んでいる内容。直近のコンテキストを確認します。編集したファイル、行った決定、議論したアーキテクチャ、解決中の問題などです。
  3. モード：コンテキストから推測します。
    • 最近コードを書いた、または編集した → コードレビュー
    • 計画や設計について議論している → アーキテクチャ
    • 何かをデバッグしている → デバッグ
    • プロンプトやスキルを作成している → プロンプト作成
    • 明確な手がかりがない → 一般（「何を見落としているでしょうか？ どんな盲点があるでしょうか？」と尋ねます）
  4. モデル：異なるプロバイダー 2 社から、最新のプロ向けモデルを選びます（models.flared.au を確認）。多様性を優先します。例：Google と OpenAI を 1 つずつ、または Qwen と Google を 1 つずつ選びます。同じプロバイダーから 2 つ選ぶことはありません。
  5. プロンプトの焦点：「これまでの作業をレビューしてください。何を見落としているでしょうか？ 何を改善できますか？ どんな盲点があるでしょうか？ 検討していない、もっと簡単なアプローチはありますか？」
トリガー → デフォルト設定の対応表
トリガーデフォルトのパターンデフォルトの範囲
"brains trust"コンセンサス（モデル 2 つ）現在のセッションの作業
"second opinion"シングル（モデル 1 つ）現在のセッションの作業
"ask gemini" / "ask gpt"シングル（指定されたプロバイダー）現在のセッションの作業
"peer review"コンセンサス（モデル 2 つ）最近変更したファイル
"challenge this" / "devil's advocate"悪魔の代弁者（モデル 1 つ）Claude の現在の見解

ユーザーは具体的に指定することで、いつでも設定を変更できます。例：「この設定ファイルを brains trust にかけて」「認証のアプローチについて Gemini に尋ねて」など。

セットアップ

少なくとも 1 つの API キーを環境変数として設定します。

# Recommended — one key covers all providers
export OPENROUTER_API_KEY="your-key"

# Optional — direct access (often faster/cheaper)
export GEMINI_API_KEY="your-key"
export OPENAI_API_KEY="your-key"

OpenRouter は汎用的な選択肢です。1 つのキーで Gemini、GPT、Qwen、DeepSeek、Llama、Mistral などを利用できます。

現在のモデル

ハードコードされたモデル ID は使用しないでください。 相談のたびに、現在の有力モデルを取得します。

https://models.flared.au/llms.txt

これは 11 のプロバイダーから有力モデル約 40 種を厳選し、OpenRouter の全カタログから絞り込んだ、リアルタイムで更新されるリストです。タスクに適したモデルを選ぶために使用します。

生成する Python スクリプトからプログラムで使用する場合：https://models.flared.au/json

相談パターン

パターンデフォルトで使用する場合動作
コンセンサス"brains trust"、"peer review"異なるプロバイダーのモデル 2 つに並行して質問し、一致点と相違点を比較します
シングル"second opinion"、"ask gemini"、"ask gpt"1 つのモデルに質問し、独自の見解と統合します
悪魔の代弁者"challenge this"、"devil's advocate"現在の見解に明示的に反論するようモデルに依頼します

コンセンサスでは、視点の多様性を最大限に高めるため、必ず異なるプロバイダーのモデルを選びます（例：Google と Qwen を 1 つずつ）。

モード

モード対象モデルのティア
コードレビューファイルのバグ、パターン、セキュリティをレビューFlash
アーキテクチャ設計上の決定、トレードオフPro
デバッグ2 回以上試しても解決しない場合Flash
セキュリティ脆弱性のスキャンPro
戦略ビジネス、製品、アプローチに関する決定Pro
プロンプト作成プロンプト、システムプロンプト、KB ファイルの改善Flash
一般あらゆる質問、ブレインストーミング、異議の提示Flash

Pro ティア：選択したプロバイダーの最も高性能なモデルです（例：google/gemini-3.1-pro-preview、openai/gpt-5.4）。 Flash ティア：単純な分析に適した、高速で低コストのモデルです（例：google/gemini-3-flash-preview、qwen/qwen3.5-flash-02-23）。

ワークフロー

  1. 利用可能なキーを検出する — 環境変数の OPENROUTER_API_KEY、GEMINI_API_KEY、OPENAI_API_KEY を確認します。見つからない場合は、セットアップ手順を表示して終了します。

  2. 最新のモデルを取得する — WebFetch https://models.flared.au/llms.txt を実行し、モード（pro または flash）と相談パターン（単一またはコンセンサス）に基づいて適切なモデルを選びます。ユーザーが特定のプロバイダー（「ask gemini」など）を指定した場合は、それを使用します。

  3. 対象ファイルをコンテキストに読み込む（コード関連の場合）。コード以外の質問（戦略、プロンプト作成、一般的な質問）の場合は、ファイルの読み込みを省略します。

  4. references/prompt-templates.md の AI 間テンプレートを使用して、プロンプトを作成します。ファイルの内容は --- filename --- 区切りでインラインに含めます。出力トークン数の上限は設定せず、モデルが十分に推論できるようにします。

  5. .jez/artifacts/brains-trust/{timestamp}-{topic}/ に相談ディレクトリを作成します（例：2026-03-10-1423-auth-architecture/）。その中の prompt.txt にプロンプトを書き込みます。コードを bash 引数にインラインで渡してはいけません（シェルのエスケープで問題が発生するためです）。

  6. references/provider-api-patterns.md のパターンを使用して、.jez/scripts/brains-trust.py に Python スクリプトを作成して実行します。

    • 相談ディレクトリ内の prompt.txt からプロンプトを読み込みます
    • 選択した API を呼び出します
    • コンセンサスモードでは、concurrent.futures を使用して複数の API を並列で呼び出します
    • 各応答を相談ディレクトリ内の {model}.md に保存します
    • 結果を標準出力に表示します

  7. 統合する — 応答を読み、調査結果をユーザーに提示します。モデル間で意見が一致した点と異なる点を示します。自身の見解も、理由とともに（賛成・反対を含めて）追加します。何を実行に移すかはユーザーに委ねます。

使用する場面

適したユースケース：

  • 大規模なアーキテクチャ変更をコミットする前
  • 複数回試してもデバッグで行き詰まったとき
  • 複数の妥当な選択肢があるアーキテクチャ上の判断
  • セキュリティ上重要なコードのレビュー
  • 戦略やアプローチについて、自身の前提を検証するとき
  • システムプロンプトや KB ファイルの改善
  • 新たな視点がほしいとき

使用を避ける場面：

  • 単純な構文チェック（Claude が対応できます）
  • あらゆる編集のたびに使うこと（時間がかかり、費用も発生します）
  • 答えが明白で、広く知られている質問

重要なルール

  1. モデル ID をハードコードしない — 必ず最初に models.flared.au から取得します
  2. 出力トークン数に上限を設けない — max_tokens や maxOutputTokens を設定しません
  3. プロンプトは必ずファイルに書き込む — bash 引数で渡してはいけません
  4. ファイルの内容をインラインで含める — コードのコンテキストをプロンプトに直接添付します
  5. AI 間のやり取りとして構成する — モデルは人間ではなく Claude に助言します
  6. 進捗は stderr に出力する — Python スクリプトはステータス更新（Calling gemini-2.5-pro...、Received response from qwen3.5-plus. など）を表示し、30～90 秒の待ち時間中も処理が進行していることをユーザーに知らせます

参照ファイル

場面読むファイル
すべてのモードでプロンプトを作成するときreferences/prompt-templates.md
Python の API 呼び出しスクリプトを生成するときreferences/provider-api-patterns.md

コメント

Markdown 対応