claude-devfleet

name claude-devfleet description 通过Claude DevFleet协调多智能体编码任务——规划项目、在隔离的工作树中并行调度智能体、监控进度并读取结构化报告。 origin community Claude DevFleet 多智能体编排 使用时机 当需要调度多个 Claude Code 智能体并行处理编码任务时使用此技能。每个智能体在独立的 git worktree 中运行，并配备全套工具。 需要连接一个通过 MCP 运行的 Claude DevFleet 实例： claude mcp add devfleet --transport http http://localhost:18801/mcp 工作原理 用户 → "构建一个带有身份验证和测试的 REST API" ↓ plan_project(prompt) → 项目ID + 任务DAG ↓ 向用户展示计划 → 获取批准 ↓ dispatch_mission(M1) → 代理1在工作树中生成 ↓ M1完成 → 自动合并 → 自动分发M2 (依赖于M1) ↓ M2完成 → 自动合并 ↓ get_report(M2) → 更改的文件、完成的工作、错误、后续步骤 ↓ 向用户报告 工具 工具 用途 plan_project(prompt) AI 将描述分解为包含链式任务的项目 create_project(name, path?, description?) 手动创建项目，返回 project_id create_mission(project_id, title, prompt, depends_on?, auto_dispatch?) 添加任务。 depends_on 是任务 ID 字符串列表（例如 ["abc-123"] ）。设置 auto_dispatch=true 可在依赖满足时自动启动。 dispatch_mission(mission_id, model?, max_turns?) 启动智能体执行任务 cancel_mission(mission_id) 停止正在运行的智能体 wait_for_mission(mission_id, timeout_seconds?) 阻塞直到任务完成（见下方说明） get_mission_status(mission_id) 检查任务进度而不阻塞 get_report(mission_id) 读取结构化报告（更改的文件、测试情况、错误、后续步骤） get_dashboard() 系统概览：运行中的智能体、统计信息、近期活动 list_projects() 浏览所有项目 list_missions(project_id, status?) 列出项目中的任务 关于 wait_for_mission 的说明： 此操作会阻塞对话，最长 timeout_seconds 秒（默认 600 秒）。对于长时间运行的任务，建议改为每 30-60 秒使用 get_mission_status 轮询，以便用户能看到进度更新。 工作流：规划 → 调度 → 监控 → 报告 规划 ：调用 plan_project(prompt="...") → 返回 project_id 以及带有 depends_on 链和 auto_dispatch=true 的任务列表。 展示计划 ：向用户呈现任务标题、类型和依赖链。 调度 ：对根任务（ depends_on 为空）调用 dispatch_mission(mission_id=<first_mission_id>) 。剩余任务在其依赖项完成时自动调度（因为 plan_project 为它们设置了 auto_dispatch=true ）。 监控 ：调用 get_mission_status(mission_id=...) 或 get_dashboard() 检查进度。 报告 ：任务完成后调用 get_report(mission_id=...) 。与用户分享亮点。 并发性 DevFleet 默认最多同时运行 3 个智能体（可通过 DEVFLEET_MAX_AGENTS 配置）。当所有槽位都占满时，设置了 auto_dispatch=true 的任务会在任务监视器中排队，并在槽位空闲时自动调度。检查 get_dashboard() 了解当前槽位使用情况。 示例 全自动：规划并启动 plan_project(prompt="...") → 显示包含任务和依赖关系的计划。 调度第一个任务（ depends_on 为空的那个）。 剩余任务在依赖关系解决时自动调度（它们具有 auto_dispatch=true ）。 报告项目 ID 和任务数量，让用户知道启动了哪些内容。 定期使用 get_mission_status 或 get_dashboard() 轮询，直到所有任务达到终止状态（ completed 、 failed 或 cancelled ）。 对每个终止任务执行 get_report(mission_id=...) ——总结成功之处，并指出失败任务及其错误和后续步骤。 手动：逐步控制 create_project(name="My Project") → 返回 project_id 。 为第一个（根）任务执行 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) → 捕获 root_mission_id 。 为每个后续任务执行 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"]) 。 在第一个任务上执行 dispatch_mission(mission_id=...) 以启动链。 完成后执行 get_report(mission_id=...) 。 带审查的串行执行 create_project(name="...") → 获取 project_id 。 create_mission(project_id=project_id, title="Implement feature", prompt="...") → 获取 impl_mission_id 。 dispatch_mission(mission_id=impl_mission_id) ，然后使用 get_mission_status 轮询直到完成。 get_report(mission_id=impl_mission_id) 以审查结果。 create_mission(project_id=project_id, title="Review", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) —— 由于依赖已满足，自动启动。 指南 在调度前始终与用户确认计划，除非用户已明确指示继续。 报告状态时包含任务标题和 ID。 如果任务失败，在重试前读取其报告。 批量调度前检查 get_dashboard() 了解智能体槽位可用性。 任务依赖关系构成一个有向无环图（DAG）——不要创建循环依赖。 每个智能体在独立的 git worktree 中运行，并在完成时自动合并。如果发生合并冲突，更改将保留在智能体的 worktree 分支上，以便手动解决。 手动创建任务时，如果希望它们在依赖项完成时自动触发，请始终设置 auto_dispatch=true 。没有此标志，任务将保持 draft 状态。