mcpField
S
stackbone-coder

stackbone-coder

github.com/stackboneAgent 工作流186 次安装6 周前更新
代码仓库

关于 stackbone-coder

stackbone-coder 是用于通过访谈生成 Stackbone agent 或工作流的技能。它逐项收集需求,调用 CLI 搭建框架,并协调其他技能完成实现与验证。

主要功能

  1. 01访谈确定构建类型
  2. 02调用 CLI 搭建项目
  3. 03逐项确认能力需求
  4. 04协调 SDK 与 CLI 技能
  5. 05启动模拟器并验证

适用场景

  1. 01从需求创建新 Stackbone 项目
  2. 02向现有工作区添加 agent 或工作流
  3. 03确定功能后编写并验证代码

MCP 相关

通过 stackbone-docs MCP 服务查找 Stackbone 文档,使用 search_docs、get_doc 和 list_docs。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/stackbone/stackbone-skills --skill stackbone-coder

安装后在 Claude Code 中输入/stackbone-coder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。

references/
agent.md
capabilities.md
workflow-agent.md
workflow.md

详细介绍

Stackbone coder——通过访谈生成一个组件

这项技能会将“我想构建 X”转化为一个完成脚手架搭建并接好线的 Stackbone 组件。它是一个访谈 + 脚手架编排器:选择合适的形式,运行 stackbone CLI 来创建文件,然后询问用户每个界面具体需要什么,并且只接入用户需要的内容。它不会取代其他技能——而是会调用它们:

  • stackbone 技能 → SDK 代码(三种形式、规则、环境中的 stackbone 客户端)。
  • stackbone-cli 技能 → 命令(login、init、add、dev)。
  • stackbone-debug 技能 → 运行出错时进行排查。

API 本身(每个 defineDeepAgent 选项、每个 stackbone.* 方法)都在 Stackbone 文档中,通过 MCP 以 stackbone-docs 服务(search_docs、get_doc、list_docs)提供。界面的页面标题与 SDK 下的界面同名(stackbone.rag、stackbone.database,……):使用 list_docs 查找其路径,然后调用 get_doc;没有独立页面的辅助工具则使用其名称调用 search_docs 查找。如果没有这些工具,请获取 https://docs.stackbone.ai/llms.txt,并跟随页面链接找到原始 Markdown。

黄金规则

  • 一次只问一个问题。 不要一次性抛出整个访谈的问题。提问,获得回答,然后继续。有结构化提问工具(例如 AskUserQuestion)时请使用。
  • 默认选择最精简的组件。 只添加用户明确表示需要的功能。仅包含工具的 Agent 或单步工作流都是完全合适的选择。
  • 绝不询问注入的环境变量。 STACKBONE_POSTGRES_URL、MODEL_PROVIDER_API_KEY、MODEL_PROVIDER_BASE_URL、HMAC_SECRET 等由平台管理——运行时会注入它们。不要询问连接字符串或密钥。模型提供商只需在 Studio 中配置一次。
  • 由你负责编排;其他技能负责实现。 需要编写代码时,遵循 stackbone 技能并阅读对应界面的页面。需要运行命令时,遵循 stackbone-cli 技能。

流程(5 个步骤)

1. 选择组件类型

先问一个问题——我们要构建什么?

类型说明适用场景
agent一个 deepagents Agent:模型 + 系统提示词 + 工具,可进行对话。人类(或另一个 Agent)会与它对话,它会推理并使用工具执行操作。
workflow持久、可重放的代码:input → steps → output,不包含对话。后台作业、ETL、计划任务、带检查点的多步骤编排。
workflow-agent一种持久工作流,会在某个步骤中调用 deep agent(callDeepAgent)。同时需要确定性编排和参与其中的推理 Agent。

然后检测工作区:如果当前工作目录已有 package.json + deep-agents/(或 workflows/),就在其中运行 add;否则运行 init 创建新工作区。

2. 使用 CLI 搭建脚手架

运行 stackbone(完整功能请参阅 stackbone-cli 技能):

  • 新工作区: stackbone init <name> --with <agent|workflow|workflow-agent>
  • 现有工作区: stackbone add <deep-agent|workflow|workflow-agent> <name>
  • workflow-agent 和 add workflow --calls <agent> 会为你接好 workflow→agent 步骤。

网络: 所有 add 类型都完全离线(这些组件属于已关联的工作区)。只有 init 需要登录会话(stackbone login)——它会将工作区关联到组织。

3. 按类型进行访谈

打开对应的参考文档并进行访谈:

构建内容……阅读并执行
Agentreferences/agent.md — 其工具和系统提示词
工作流references/workflow.md — 其输入和输出数据 → 模式
工作流 Agentreferences/workflow-agent.md — 两者,以及工作流→Agent 的连接方式
4. 功能清单 — 一次一个

打开 references/capabilities.md,逐项与用户确认每一项功能,每项提出一个问题:我们需要数据库吗?存储吗?大模型调用吗?RAG 吗?人在回路中吗?连接器吗?提示词吗?配置吗?密钥吗?计划任务吗?调用其他 Agent 吗?浏览器吗? 对每个回答是的项目,参考文档会说明其接口、可从何处访问(工具还是工作流步骤)、需要添加什么(src/schema.ts、config.schema.ts……),以及如何查找对应的代码文档页面。

5. 连接并验证

使用 stackbone 技能编写代码,然后通过 stackbone dev 启动模拟器(参见 stackbone-cli),并测试相应部分——与 Agent 聊天、启动工作流、检查一次 run——然后再宣布完成。

参考文件

文件内容
references/agent.mdAgent 访谈:角色、系统提示词、工具(名称/描述/输入/行为)、模型选择。
references/workflow.md工作流访谈:触发器、输入数据、输出数据、步骤;答案如何映射到 inputSchema/outputSchema 和 'use step'。
references/workflow-agent.md组合访谈,以及通过 callDeepAgent 调用 Agent 的工作流步骤。
references/capabilities.md完整的功能清单——每个接口、适用情况、所需添加内容,以及如何查找对应的文档页面。

评论

支持 Markdown