mcpField
A
agently

agently

github.com/agenteraAgent 工作流31319 次安装4 天前更新
代码仓库

关于 agently

Agently 是面向 Agently 框架开发者的技能,指导架构设计、职责划分、实现选择与验证,并将任务路由至相应组件。

主要功能

  1. 01将请求路由至框架原生职责方
  2. 02梳理流程、数据与事件边界
  3. 03定义模型请求的输入输出契约
  4. 04指导确定性与语义验证
  5. 05支持从其他 Agent 框架迁移

适用场景

  1. 01设计 Agent 执行流程
  2. 02审查提示词和数据流职责
  3. 03规划重试、审批或可恢复编排
  4. 04将项目从 LangGraph 或 CrewAI 迁移

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/agentera/agently-skills --skill agently

安装后在 Claude Code 中输入/agently确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

assets/full-stack-reference/
.gitignore
app.py
pyrightconfig.json
requirements.txt
SETTINGS.yaml
TOPOLOGY.md
trace_log.py
assets/full-stack-reference/actions/
__init__.py
growth.py
assets/full-stack-reference/actions/sandbox/
__init__.py
calculate_growth.py
assets/full-stack-reference/prompts/
compose_answer.yaml
plan_analysis.yaml
assets/full-stack-reference/resources/
metrics.json
assets/full-stack-reference/services/
__init__.py
api.py
contracts.py
mcp_server.py
assets/full-stack-reference/skills/
__init__.py
install_local.py
assets/full-stack-reference/tests/
conftest.py
test_services.py
test_structure.py
test_trace.py
test_utils_actions_skills.py
test_workflow.py
assets/full-stack-reference/utils/
__init__.py
metrics.py
assets/full-stack-reference/workflows/
__init__.py
assets/full-stack-reference/workflows/chunks/
__init__.py

详细介绍

Agently

当请求以产品行为而非 Agently API 的形式表达时,请从这里开始。在选择文件或机制之前,先选择最精简的原生归属方。请求中无需提及 Agently。

当 Agently 开发者需要了解模型节点的职责、调整执行效果、检查数据流或冗余上下文,或判断模型与 Host 的归属时,请使用协作审查,无需等待有人说出“Prompt review”。高亮流程和交接请通过 agently-design 路由,相关 Prompt 表格请通过 agently-request 路由,并按可读性和依赖关系分组。与审查无关的机械性工作不要纳入此审查方法。

对于多轮设计、Prompt 修订或实验评估,每轮实质性讨论开始时,都要提供一张状态在左、事项在右的表格,以及一张带时间戳和版本号的变更日志表格。请遵循协作记录指南。

工作流

  1. 将请求分解为目标、输入、输出、副作用、证据和生命周期需求。
  2. 将模型负责的语义决策与 Host 负责的验证、授权、身份关联、算术和效果区分开来。
  3. 将每项决策、状态和效果分配给一个现有归属方。
  4. 对于非平凡流程,映射节点、值/事件边、不变量,以及每个请求字段和阶段在生产环境中的必要性。
  5. 当调用方拥有异步边界时,优先采用异步实现;分别验证确定性契约与模型负责的质量。
  6. 如果没有原生归属方能够承载所需不变量,请报告框架缺口。不要用业务专属粘合代码或透传门面掩盖缺口。

按归属方路由

  • 单一请求类别——提供商配置、提示词、结构化输出、LongContent、auto_continue、TTS/STT 音频、结果复用、会话记忆、嵌入或检索——使用 agently-request。
  • AgentExecution 插件、最终策略、Actions、Shell、MCP、ExecutionResource、TaskWorkspace、RecordStore、服务暴露、RuntimeEvent 或 DevTools 使用 agently-runtime。
  • 进程内任务生命周期、同步/异步桥接、不依赖事件循环的句柄、结算、重放通道或本地监听器使用 agently-stage。
  • 跨归属方架构、请求/值/事件拓扑、证据和身份边界、生命周期、压力或信息丢失审计使用 agently-design。
  • 由开发者负责的推进、分支、并发、审批、等待/恢复、重试或可安全重启的编排使用 agently-triggerflow。
  • 从 LangChain、LangGraph、LlamaIndex、CrewAI 或类似系统迁移时,使用 agently-migration。
  • 显式的、由模型生成或由应用提交的无环 DAG 数据属于低频高级场景。请留在此处并阅读 references/task-dag.md;普通 Agent 或工作流任务不要引入 TaskDAG。

按需阅读

  • 条件式项目形态和全栈参考资源: references/project-framework.md。
  • TaskContext、ContextReader、TaskWorkspace、RecordStore、SkillLibrary 和 SkillsExecutor 兼容门面: references/context-and-skills.md。
  • 提交的 TaskDAG 数据和 DynamicTask 便捷门面: references/task-dag.md。
  • 先模拟再验证真实模型: references/model-quality-validation.md。
  • 跨层拓扑审计方法位于 agently-design,尤其是其中的 ../agently-design/references/execution-topology-validation.md。

核心所有权规则

  • ModelRequest 拥有一次模型交互及其提示词/输出契约。
  • AgentExecution 拥有一次 Agent 运行及其选定的生产者、控制项、 结果和流。在 4.1.4.8 中,request、plan、long_content 和 long_task 是插件;请阅读运行时 Skill 的 执行契约。
  • agent.create_task(...) 返回一个长任务 AgentExecution 草稿。其 生产者负责规划、证据和重新规划;已发布的 AgentTask 导入仍保持兼容。
  • AudioModelRequest 拥有独立的 TTS/STT 驱动。Agent 音频调用和依赖音频的 Execution 插件需要显式音频绑定。
  • ActionRuntime 拥有可由模型调用的操作;ExecutionResource 拥有实时依赖的生命周期。
  • TriggerFlow 拥有应用可见的编排和运行时信号。
  • TaskContext 拥有任务信息并创建绑定到消费者的读取器; TaskWorkspace 拥有文件;RecordStore 拥有持久化记录和恢复; SkillLibrary 拥有不可变的已安装 Skill 版本。
  • Agently.skills_executor 仅用于管理/上下文兼容。不要重新创建已移除的通用 Workspace、ContextBuilder、SkillsManager、 Skills 路由/策略、skill_activation 或 workspace_operation 所有者。

ModelRequest 边界

对于必须满足下游接口的输出:

  • 运行时事实放入 .input(...);
  • 权威模式、签名和源事实放入 .info(...);
  • 转换和调用规则放入 .instruct(...);
  • 实际使用的精确结构放入 .output(...)。

为每个使用的字段声明类型、语义、必填性、枚举/格式/范围、可空性和 跨字段约束。让结构化 ModelRequest 负责源自文本的意图、路由、规划、相关性或质量判断;让宿主代码验证有界枚举/键并执行操作。

不要请求隐藏的思维链。只有在有界过程字段具备明确的角色、边界、消费者、保留规则和失败行为时,才有使用它的正当理由。

项目与验证门槛

从组合、设置、提示词契约和测试着手构建单请求应用。只有当前所有者和消费者需要时,才添加工作流、服务、Actions、本地 Skills、实用工具或资源。逻辑节点并不自动对应一个文件或类。

确定性测试用于证明模式、身份、生命周期、核算、文件或记录操作以及安全性。语义质量需要明确的评判标准,并由结构化编码 Agent、模型或人工进行审核。应将关键性(硬性门槛或软性目标)与评估方法(确定性或语义性)分别分类。

对于真实模型的声明,应先定义评判标准,如实标注模拟结果,使用获授权的最小代表性运行,并将原始事实与判断分开记录。真实追踪记录优先于模拟预期。

反模式

  • 未检查原生所有者之前就自建解析器、重试管理器、状态存储或调度器。
  • 将关键词、子字符串、正则表达式、分词或手写评分表作为语义处理者。
  • 未消费的输出字段、请求阶段、包装器或项目目录。
  • 未分析依赖关系就让复杂流程全部串行执行。
  • 将完整源内容、包含大量身份信息的记录或原始元数据复制到每个提示词中。
  • 将预制答案、隐藏的预期答案测试数据或仅用于测试的生产分支,当作框架能力的证据。

评论

支持 Markdown