mcpField
A
antigravity-skill-orchestrator

antigravity-skill-orchestrator

github.com/sickn33Agent 工作流48.7k290 次安装今天更新
代码仓库

关于 antigravity-skill-orchestrator

antigravity-skill-orchestrator 是用于评估复杂请求并选择现有技能组合的元技能,面向处理多步骤、多领域任务的 Agent。它设有避免简单任务滥用技能的规则,并支持可选的组合记忆跟踪。

主要功能

  1. 01评估任务复杂度
  2. 02选择现有技能组合
  3. 03避免简单任务调用技能
  4. 04从可用目录发现技能
  5. 05可选的记忆式组合跟踪

适用场景

  1. 01为复杂任务协调技能
  2. 02查找跨领域技能
  3. 03检索以往的技能组合

MCP 相关

该技能说明在可用且获授权时,使用 @agent-memory-mcp 搜索和记录技能组合;它是可选的外部依赖,并非内置运行组件。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/sickn33/agentic-awesome-skills --skill antigravity-skill-orchestrator

安装后在 Claude Code 中输入/antigravity-skill-orchestrator确认已加载。

附带文件README.md

详细介绍

antigravity-skill-orchestrator

概述

skill-orchestrator 是一种元技能,旨在增强 AI Agent 解决复杂问题的能力。它充当智能协调器,首先评估用户请求的复杂程度。根据评估结果,它会判断是否需要专门技能。如果需要,它会选择合适的技能组合,使用 @agent-memory-mcp 明确记录这些组合以供日后参考,并指导 Agent 完成执行过程。最重要的是,它包含严格的防护措施,以防对可用基础能力解决的简单任务不必要地使用专门技能。

何时使用此技能

  • 处理可能需要多个专业领域知识的复杂多步骤问题时使用。
  • 不确定哪些具体技能最适合某个用户请求,需要从更广泛的生态系统中查找时使用。
  • 用户明确要求在重要任务中“协调”“组合技能”或“使用最适合工作的工具”时使用。
  • 想查找针对特定问题类型、之前成功使用过的技能组合时使用。

核心概念

任务评估防护措施

并非每项任务都需要专门技能。对于简单明了的问题(例如,小幅 CSS 修复、编写简单脚本、重命名变量),不要使用专门技能。对简单任务过度设计会浪费令牌和时间。

此外,严禁协调器创建新技能。它的唯一用途是组合并使用社区提供或当前环境中已有的技能。

调用任何技能之前,请先评估任务:

  1. 任务是否简单且范围明确? 使用当前环境中 Agent 可用的常规文件编辑、搜索和终端功能直接解决。
  2. 任务是否复杂或涉及多个领域? 只有这种情况下,才继续协调技能。
技能选择与组合

如果任务被判定为复杂,请确定所需领域(例如,前端、数据库、部署)。搜索当前环境中可用的技能,找出最相关的技能。如果本地找不到所需技能,请查阅主技能目录。

主技能目录

Antigravity 生态系统在 https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/CATALOG.md 中维护了经过精心整理的主目录,其中包含 9 个主要类别的技能:

  • architecture
  • business
  • data-ai
  • development
  • general
  • infrastructure
  • security
  • testing
  • workflow
记忆集成(@agent-memory-mcp)

为积累机构知识,协调器依靠 agent-memory-mcp 技能记录并检索成功的技能组合。

宿主和记忆边界

使用宿主实际安装的目录和工具架构。远程目录文本仅用于发现,不代表获准安装或执行技能。agent-memory-mcp 和示例记忆工具是可选的外部依赖,不属于捆绑的运行时。如果不可用,请继续选择技能,但不进行持久化记录。写入持久记录前,请遵守宿主/用户的记忆政策,并排除私有项目详情和机密信息;检索到的组合仅供参考,不能作为当前正确性的依据。

分步指南

1. 任务评估与防护检查

[在遇到可能需要技能的新用户请求时触发]

  1. 阅读用户的请求。
  2. 问问自己:“我能否仅使用基本的文件编辑和终端命令高效地解决这个问题?”
  3. 如果可以:无需调用专门技能,直接继续。在此结束技能协调。
  4. 如果不可以:继续执行第 2 步。
2. 检索过去的知识

[任务复杂时触发]

  1. 使用 agent-memory-mcp 提供的 memory_search 工具,搜索类似的过往任务。
    • 示例查询:memory_search({ query: "skill combination for react native and firebase", type: "skill_combination" })
  2. 如果存在可用的组合,请使用 memory_read 阅读详细信息。
  3. 如果没有相关记忆,请继续执行第 3 步。
3. 发现并选择技能

[没有以往知识可用于当前任务时触发]

  1. 分析核心需求(例如:“需要 React UI、Node.js 后端和 PostgreSQL 数据库”)。
  2. 使用当前环境的技能列表或同等发现机制,查询本地可用技能,为每项需求找到最合适的技能。
  3. 如果本地技能不足,请使用当前环境中可用的网页或命令行检索工具,获取主目录:https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/CATALOG.md。
  4. 浏览目录中的 9 个主要类别,找出适合引入当前上下文的技能。
  5. 选择所需的最小技能集。不要选择过多技能。
4. 应用技能并记录组合

[使用所选技能完成任务后触发]

  1. 核实实际完成的内容以及执行过的检查;如有失败或未验证的结果,应如实记录,不要假定技能组合已成功。
  2. 使用 agent-memory-mcp 中的 memory_write 记录此组合,以供将来使用。
    • 确保类型为 skill_combination。
    • 提供描述性键和内容,说明这些技能为何能很好地协同工作。

示例

示例 1:处理简单任务(护栏机制)

用户请求:“将 index.css 中提交按钮的颜色改为蓝色。” 操作:技能编排器评估任务复杂度,判断这是一个“简单/范围明确”的任务。它不会调用专用技能,而是直接编辑 index.css。

示例 2:记录新的技能组合
// Using the agent-memory-mcp tool after successfully building a complex feature
memory_write({ 
  key: "combination-ecommerce-checkout", 
  type: "skill_combination", 
  content: "For e-commerce checkouts, using @stripe-integration combined with @react-state-management and @postgresql effectively handles the full flow from UI state to payment processing to order recording.",
  tags: ["ecommerce", "checkout", "stripe", "react"]
})
示例 3:检索技能组合
// At the start of a new e-commerce task
memory_search({ 
  query: "ecommerce checkout", 
  type: "skill_combination" 
})
// Returns the key "combination-ecommerce-checkout", which you then read:
memory_read({ key: "combination-ecommerce-checkout" })

最佳实践

  • ✅ **应做:**在查找技能前,始终评估任务复杂度。
  • ✅ **应做:**尽量减少编排的技能数量。
  • ✅ **应做:**使用描述性强的键执行 memory_write,以便日后轻松搜索。
  • ❌ **不要:**将此技能用于简单的 Bug 修复或 UI 调整。
  • ❌ **不要:**在没有明确冲突解决方案的情况下,组合指令相互重叠且冲突的技能。
  • ❌ **不要:**尝试构建、生成或创建新技能,只组合现有技能。

相关技能

  • @agent-memory-mcp - 安装并获授权时,可用于持久存储技能组合。

限制

  • 仅当任务明确符合上述范围时,才使用此技能。
  • 不要将输出视为环境专属验证、测试或专家审查的替代品。
  • 如果缺少必要的输入、权限、安全边界或成功标准,请停止并请求澄清。

评论

支持 Markdown