Aigentry Devkit

aigentry devkit

部分 aigentry平台 -使AI决策可审计的开源引擎。 aigentry-devkit is Layer 3: developer tools, hooks, and automation for the aigentry ecosystem.

你的AI开发环境，打包好了。

一个全面的开发工具包，捆绑了技能、钩子、MCP服务器、HUD/statusline和Claude Code、Codex CLI和其他MCP兼容CLI的配置模板。安装一次，随处使用。

特性

技能（可重用AI能力）

扩展Claude Code、Codex CLI和其他MCP兼容CLI的捆绑技能：

• 剪贴板图像查看器 -直接从终端捕获和分析剪贴板图像
• AI审议 -在任意CLI参与者之间进行多场平行辩论，并进行结构化的轮流和综合
• 审议执行人 -将审议综合转化为具体实施任务并执行
• 环境经理 -基于direnv的具有全局和项目范围变量的分层环境变量管理
• 深思熟虑 -通过会话映射和回退路由，在活动的电视会话中启动双向多会话审议
• YouTube分析器 -无需下载即可提取和分析YouTube视频元数据、字幕和文字记录

MCP审议服务器

一个专用的MCP（模型上下文协议）服务器，支持多会话AI辩论，包括：

• 与独立国家管理层举行平行审议会议
• 结构化响应格式（评估、核心地位、推理、风险、综合）
• 自动会话监控，可选tmux集成
• 状态持久性和会话历史归档

HUD/状态线

Claude Code的自定义状态线显示，显示来自stdin的实时上下文，支持扩展上下文窗口（Claude Opus上最多1M令牌）。

钩子

会话启动引导钩子，在Claude Code启动时自动加载技能指数并准备您的环境。

配置模板

带有模板替换的预配置设置：

• settings.json.template -Claude代码设置 {{HOME}} 替换
• global.envrc -用于分层环境管理的direnv配置
• CLAUDE.md -AI代理指令（哦，我的claudecode兼容）

安装

先决条件

• Node.js 18+
• npm（包含在Node.js中）
• 可选：Claude Code CLI(npm install -g @anthropic-ai/claude-code)
• 可选：tmux（用于审议监控）
• 可选：direnv（用于环境管理）

快速开始

推荐路径：

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit install

首先列出配置文件：

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit profiles

安装特定配置文件：

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit install --profile autoresearch-public

使用 curator-public 为了 dustcraw + brain + registry wiring，或 ecosystem-full 对于整个堆栈。

强制重新安装：

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit install --force

手动安装（本地克隆）仍然可用：

macOS/Linux：

git clone https://github.com/dmsdc-ai/aigentry-devkit.git
cd aigentry-devkit
bash install.sh

Windows（PowerShell）：

git clone https://github.com/dmsdc-ai/aigentry-devkit.git
cd aigentry-devkit
powershell -ExecutionPolicy Bypass -File .\install.ps1

安装程序将：

1. 验证Node.js和可选依赖项（Claude Code CLI、tmux、direnv）
2. 安装devkit资源、技能、HUD和模板
3. 本地安装和健康检查 telepty
4. 安装规范 deliberation MCP运行时
5. 可选安装 brain
6. 可选择安装和引导 dustcraw
7. 可选地连接注册表凭据(AIGENTRY_API_URL, AIGENTRY_API_KEY)
8. 写入本地安装状态和环境扇出

详细演练： docs/quickstart.md

安装后

安装后，重新启动Claude/Codex/Gemini，以便获取MCP更改：

# Restart your CLI process to load new MCP settings

要验证安装：

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit doctor
telepty --version
curl -sf http://localhost:3848/api/meta
npx --yes --package @dmsdc-ai/aigentry-deliberation deliberation-doctor
aigentry-brain health
dustcraw demo --non-interactive

如果Gemini本地MCP注册漂移：

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit repair-gemini-mcp

用法

技能

技能在Claude Code、Codex CLI和兼容的MCP客户端中自动可用。它们根据关键字激活：

剪贴板图像

Triggers：“clipboard”、“paste image”、“确认截图”

查看和分析剪贴板中的图像：

"Analyze this screenshot: [image in clipboard]"
"What's on my clipboard?"

AI审议

触发器：“审议”、“辩论”、“深思熟虑”

开始一场多角度的辩论：

"deliberation: Should we use microservices or monolith?"
"토론 시작: API 설계 전략"

多个会话并行运行。使用 deliberation_start 获取会话ID，然后在后续调用中引用它。

深思熟虑

Triggers：“与所有会话进行讨论”，“多会话讨论”，“session distribution”，“telepty distribute”

在活动的电话管理会话中启动双向讨论：

"모든 세션이랑 토론해. 주제는 autoresearch 인터페이스 정렬"
"멀티세션 토론 시작: 각 프로젝트가 제공/필요로 하는 인터페이스 정리"

技能自动检测电流 TELEPTY_SESSION_ID，收集活动会话，构建项目图，注入路由规则+技能匹配提示+边界强制，并首选 telepty deliberate 如果可用。如果该命令不可用，它将回退到 telepty multicast 启动提示中嵌入了完整的协议。

WTM实验跑

WTM现在包括一个内置的实验跑步器入口点 program.md 模板：

wtm experiment init myproj:experiment-latency --goal "Reduce p95 latency"
wtm experiment run myproj:experiment-latency --eval-cmd "npm test" --decision keep --score 0.82
wtm experiment status myproj:experiment-latency
wtm experiment report myproj:experiment-latency --json

wtm experiment init 使用内置 experiment-program 要创建的模板 program.md，加 results.tsv, results.jsonl，以及 state.json 在...之下 ~/.wtm/experiments//.

审议执行人

Triggers：“实现协议”，“实现讨论结果”，“实现深思熟虑”，“实现synthesis”，“executor”

从综合开始执行实施：

"session_id abc123 합의안 구현해줘"
"토론 결과를 코드로 반영하고 테스트까지 진행해줘"

使用此后 deliberation_synthesize 当你想要实现时，不仅仅是讨论。

环境经理

Triggers：“env”，“环境变量”，“环境”，“.env”，“direnv”

分层管理环境变量：

"env check" - Audit environment setup
"env init /path/to/project" - Initialize new project
"env add API_KEY value" - Add global or project variable

YouTube分析器

Triggers：“youtube”，“youtube”，“视频分析”，“video analysis”

提取并分析YouTube内容：

"Analyze this video: https://youtube.com/watch?v=xxx"
"유튜브 영상 요약: https://youtu.be/xxx"

工作区初始化

使用模板、状态文件和特定于角色的配置初始化AI CLI会话的新工作区：

aigentry-devkit workspace-init --cli claude --cwd ~/projects/my-project

支持的CLI： claude, codex, gemini

它创造了什么：

角色检测： 如果工作区名称为 orchestrator，AGENTS.md获取编排器特定的规则（委托，不编码）。否则，它将获取worker规则（执行，返回报告）。

标识： 现有文件永远不会被覆盖。只创建丢失的文件。

MCP审议服务器

审议服务器提供以下工具：

工作流程示例：

# Start any CLI with MCP deliberation enabled

# In CLI A:
# > "deliberation: API design - REST vs GraphQL?"
# 1) Find selectable participants (CLI + browser LLM tabs)
# deliberation_speaker_candidates()
# 2) Start with manually selected speakers
# deliberation_start(topic="...", speakers=["codex","web-claude-1","web-chatgpt-1"], first_speaker="codex")
# optional: force transport profile per speaker
# deliberation_start(topic="...", speakers=["codex","chatgpt"], participant_types={"chatgpt":"browser_auto"})
# 3) Route the current turn
# deliberation_route_turn session_id=sess_12345
# Submit turns with deliberate speakers:
# deliberation_respond session_id=sess_12345 speaker=codex
# Browser turn flow:
# deliberation_clipboard_prepare_turn session_id=sess_12345 speaker=web-claude-1
# (paste into browser LLM, copy response)
# deliberation_clipboard_submit_turn session_id=sess_12345 speaker=web-claude-1
# Browser auto flow (CDP):
# deliberation_browser_auto_turn session_id=sess_12345 provider=chatgpt
# After rounds complete:
# deliberation_synthesize session_id=sess_12345

HUD状态线

simple-status.sh脚本在shell提示符中显示上下文。在中配置 ~/.claude/settings.json:

{
  "hud": {
    "enabled": true,
    "script": "~/.claude/hud/simple-status.sh",
    "contextWindow": 1000000
  }
}

项目结构

aigentry-devkit/
├── bin/                     # npx entrypoint
│   └── aigentry-devkit.js
├── .claude-plugin/           # Claude Code plugin manifests
│   ├── plugin.json          # Plugin metadata
│   └── marketplace.json     # Marketplace listing
├── config/                  # Configuration templates
│   ├── CLAUDE.md            # AI agent instructions
│   ├── settings.json.template
│   └── envrc/global.envrc
├── hooks/                   # Session lifecycle hooks
│   ├── hooks.json           # Hook definitions
│   └── session-start        # Bootstrap script
├── hud/                     # Statusline/HUD
│   └── simple-status.sh
├── mcp-servers/             # Model Context Protocol servers
│   └── deliberation/        # AI deliberation server
│       ├── index.js         # Main server implementation
│       ├── package.json
│       └── session-monitor.sh
├── skills/                  # Reusable AI skills
│   ├── clipboard-image/     # Image clipboard capture
│   ├── deliberation/        # Debate management
│   ├── deliberation-executor/ # Synthesis-to-implementation execution
│   ├── env-manager/         # Environment variables
│   ├── telepty-deliberate/  # Multi-session telepty deliberation kickoff
│   └── youtube-analyzer/    # YouTube content analysis
├── install.sh               # Installation script (macOS/Linux)
├── install.ps1              # Installation script (Windows PowerShell)
├── package.json             # npm package metadata (@dmsdc-ai/aigentry-devkit)
├── LICENSE                  # MIT License
└── README.md                # This file

配置

Claude代码集成

安装后，技能和MCP服务器将自动可用。配置存储在：

• ~/.claude/skills/ -技能定义
• ~/.claude/.mcp.json -MCP服务器注册
• ~/.claude/settings.json -克劳德代码设置

Codex CLI集成

如果安装了Codex CLI，安装程序将尝试注册MCP审议服务器。手动注册：

codex mcp add deliberation -- node ~/.local/lib/mcp-deliberation/index.js

重要提示：Codex是审议中的参与者CLI，而不是您必须安装的单独MCP服务器。

其他CLI可以通过在其MCP/客户端配置中注册相同的MCP服务器命令来加入审议：

node ~/.local/lib/mcp-deliberation/index.js

环境管理

direnv集成（需要direnv）：

# Global configuration
cp config/envrc/global.envrc ~/.envrc
direnv allow

# Per-project
cd ~/my-project
echo 'source_up_if_exists' > .envrc
echo 'dotenv_if_exists .env.local' >> .envrc
direnv allow

故障排除

技能未加载

1. 验证技能是否已安装： ls -la ~/.claude/skills/
2. 重新启动MCP客户端进程（Claude/Codex/等）
3. 检查技能定义中的关键字匹配

MCP审议不可用

1. 验证MCP注册： cat ~/.claude/.mcp.json
2. 检查安装： ls ~/.local/lib/mcp-deliberation/
3. 重新安装运行时文件： npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit install --force
4. 重新启动MCP客户端进程（Claude/Codex/等）
5. 查看运行时日志： tail -n 120 ~/.local/lib/mcp-deliberation/runtime.log

主控程序 Transport closed 在多会话使用中

1. 请先重新启动当前CLI会话（stdio传输是会话绑定的）。
2. 避免扼杀深思熟虑 pkill -f mcp-deliberation；这可以终止其他活动会话。
3. 尽可能为每个长时间运行的审议工作流保留一个活动的CLI选项卡。
4. 检查运行时日志： tail -n 120 ~/.local/lib/mcp-deliberation/runtime.log
5. 确认锁目录存在： `ls ~/.local/lib/mcp-deliberation/state/

/.locks`

v2.4中的多会话稳定性使用：

• 会话/项目锁定文件(.locks/)序列化写入
• 会话/markdown持久性的原子文件写入
• 安全的工具处理程序+未捕获的错误日志记录，以保持服务器进程的活动状态

未检测到浏览器LLM选项卡（Linux/Windows）

浏览器选项卡扫描是跨平台的，但Linux/Windows依赖于CDP端点。使用远程调试端口启动浏览器：

Linux/macOS：

google-chrome --remote-debugging-port=9222

Windows（PowerShell）：

& "$Env:ProgramFiles\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222

然后运行：

deliberation_browser_llm_tabs

如果自动扫描仍然不可用，请使用剪贴板回退：

• deliberation_clipboard_prepare_turn
• 粘贴到浏览器LLM并复制响应
• deliberation_clipboard_submit_turn

环境变量未加载

1. 检查direnv安装： command -v direnv
2. 验证.envrc文件： cat ~/.envrc 和 cat ~/project/.envrc
3. 允许目录： direnv allow
4. 测试： direnv exec /bin/bash 'echo $VARIABLE_NAME'

YouTube分析器错误

1. 验证Python 3.8+： python3 --version
2. 检查yt-dlp： python3 -c "import yt_dlp; print('OK')"
3. 如果缺失，请安装： pip install yt-dlp

发展

添加新技能

1. 创建目录： skills/my-skill/
2. 添加 SKILL.md 元数据和实现
3. 重新安装： bash install.sh --force

自定义MCP服务器

编辑 mcp-servers/deliberation/index.js 并重新安装：

cd ~/.local/lib/mcp-deliberation
npm install

扩展配置

将模板添加到 config/ 并更新两者 install.sh 和 install.ps1 部署它们。

需求

• Node.js：18+（适用于MCP服务器）
• npm：最新版本（包含在Node.js中）
• 克劳德代码CLI：v1.0+（可选，用于完全集成）
• Codex CLI：最新（可选，用于Codex集成）
• 终端复用器：最新（可选，用于审议监测）
• direnv：最新（可选，用于环境管理）
• PowerShell：Windows上推荐7+

语言技能要求：

• YouTube分析器：Python 3.8+，yt-dlp
• 剪贴板图像：xclip或pbpaste（取决于平台）

建筑

安装流程

npx --yes --package @dmsdc-ai/aigentry-devkit aigentry-devkit install
  ├─ dispatches to install.sh (macOS/Linux) or install.ps1 (Windows)
  ├─ Check prerequisites (Node.js, npm, optional tools)
  ├─ Install skills to ~/.claude/skills/
  ├─ Install HUD to ~/.claude/hud/
  ├─ Deploy MCP server to ~/.local/lib/mcp-deliberation/
  ├─ Register MCP in ~/.claude/.mcp.json
  ├─ Create config from templates (settings.json, .envrc)
  └─ Integrate with Codex CLI (if available)

运行时流程

MCP Client Start (Claude/Codex/others)
  ├─ Load plugins from .claude-plugin/
  ├─ Execute SessionStart hooks
  │  └─ Run hooks/session-start (load skill index)
  ├─ Register MCP servers from ~/.claude/.mcp.json
  │  └─ Connect to MCP Deliberation Server
  ├─ Load skills from ~/.claude/skills/
  └─ Ready for interaction

技能激活

User message with keywords
  ├─ Match against skill trigger patterns
  ├─ Load appropriate skill SKILL.md
  ├─ Execute skill workflow
  └─ Return results

演出

• 技能按需加载（触发前不会影响性能）
• MCP服务器在独立进程中运行（非阻塞）
• direnv安装程序在首次加载后缓存
• HUD状态线异步更新

兼容性

贡献

欢迎捐款。请遵循以下指南：

1. 提交前在当地测试技能
2. 更新SKILL.md文档
3. 确保安装程序保持幂等性
4. 遵循现有代码样式

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

版权所有2026 dmsdc-ai

支持

• 报告问题：
• 文档：
• 社区： dmsdc-ai组织

致谢

内置：

• 克劳德代码 通过Anthropic
• 模型上下文协议 通过Anthropic
• 哦，我的claudecode -多代理编排框架

aigentry平台的一部分

aigentry-devkit是aigentry平台的一个组件，aigentry是一个使人工智能决策可审计的开源引擎。

______________________________________________________________________

aigentry devkit -简化您的AI开发工作流程。