SkillCreatorAgency–机构群初学者
一个生产就绪的启动器，用于运行使用独立代理的单代理Agency Swarm设置 Claude Skills MCP后端和 skill_creator 管理技能和工具的代理人。
______________________________________________________________________
🚀 快速开始
1.安装依赖项
pip install -r requirements.txt2.设置环境变量
创建一个 .env 根目录中的文件：
# Required
OPENAI_API_KEY=your_openai_api_key_here
# Optional - Add any additional API keys your agents need
# EXAMPLE_API_KEY=your_api_key_here3.运行独立的Claude Skills MCP后端
在一个终端中：
source venv/bin/activate
python scripts/start_claude_skills_mcp.py这开始了 claude-skills-mcp-backend HTTP MCP服务器（矢量搜索， PyTorch等）使用 claude-skills-mcp-config.json 以及加载技能 mnt/skills.
让这个终端继续运行。
4.运营SkillCreatorAgency
在另一个终端中：
source venv/bin/activate
python agency.pyagency.py 仅连接到已运行的MCP后端；它不会试图启动它。 如果未检测到后端，它将打印如何启动并退出的说明。
______________________________________________________________________
🧩 利用SkillCreatorAgency培养新技能
一旦Claude Skills后端和代理都运行，您就可以使用终端UI创建 并迭代技能。
1.检查现有技能
在由启动的交互式终端中 python agency.py，你可以简单地问：
What skills are available?
这 skill_creator 代理人将：
- 呼叫
Claude_Skills.find_helpful_skills从语义上搜索相关技能。 - 呼叫
Claude_Skills.list_skills显示全部库存，包括：
- 技能名称 - 简短说明 - 源路径位于 mnt/skills.
2.创建新技能（例如报告技能）
对话示例：
- 你：
I want to create a new reporting skill. - 代理人：
- 使用 skill-creator 计划新技能的技能。 - 提出一组简短的问题（名称、描述、数据来源、输出、交付等）。 - 你可以详细回答或说： use defaults.
在幕后，代理人将：
- 跑
python3 ./mnt/skills/skill-creator/scripts/init_skill.py --path ./mnt/skills/
通过 PersistentShellTool.
- 初始化一个新的技能文件夹，如下所示：
- mnt/skills/reporting-skill/ - SKILL.md - scripts/ - references/ - assets/
- 可选覆盖
SKILL.md并添加启动脚本，例如：
- scripts/generate_report.py –数据输入（CSV/SQLite），报告输出（CSV/XLSX/PDF），可选电子邮件。
3.迭代新技能
从那里你可以：
- 要求代理人：
- 打开或修改 SKILL.md. - 在下编辑或添加脚本 scripts/. - 添加参考文档或资产。
- 使用来自的内置验证和打包脚本
skill-creator技能：
python3 ./mnt/skills/skill-creator/scripts/quick_validate.py ./mnt/skills//
python3 ./mnt/skills/skill-creator/scripts/package_skill.py ./mnt/skills// ./dist此模式适用于您想要构建的任何新技能（报告、PDF处理、仪表板等）： 你用对话的方式描述技能 skill_creator 代理人策划 init_skill.py, 为您进行文件编辑、验证和打包。
______________________________________________________________________
🏗️ 项目结构
agency-starter-template/
├── agency.py # Main entry point (SkillCreatorAgency)
├── main.py # FastAPI integration entrypoint (do not modify)
├── requirements.txt # Python dependencies
├── Dockerfile # Container configuration
├── .env # Environment variables (create this)
├── AGENTS.md # Agent-creation workflow and instructions
├── shared_instructions.md # Shared instructions for the agency
├── claude-skills-mcp-config.json # Backend config (skills, embeddings, etc.)
├── scripts/
│ └── start_claude_skills_mcp.py # Script to start standalone MCP backend
├── skill_creator/
│ ├── __init__.py
│ ├── skill_creator.py # `skill_creator` Agent definition
│ ├── instructions.md # Agent-specific instructions
│ ├── files/ # Local files accessible to the agent
│ └── tools/
│ └── __init__.py
├── servers/
│ └── claude_skills/ # Thin Python wrappers around Claude Skills MCP tools
│ ├── __init__.py
│ ├── find_helpful_skills.py
│ ├── list_skills.py
│ ├── read_skill_document.py
│ └── server.py
├── mnt/
│ └── skills/
│ └── skill-creator/ # Local skill for this repo
│ ├── SKILL.md
│ ├── LICENSE.txt
│ └── scripts/
│ ├── init_skill.py
│ ├── package_skill.py
│ └── quick_validate.py
├── tests/
│ ├── test_agency.py
│ └── test_claude_skills.py
└── venv/ # Local virtualenv (not committed)______________________________________________________________________
🔧 创建自己的代理机构
🤖 人工智能辅助光标创建代理
此模板包括 人工智能驱动的机构创建 使用游标IDE：
- 在Cursor IDE中打开此项目
- 使用AI助手 通过以下方式创建您的代理机构：
📁 .cursor/rules/workflow.mdc- 只需询问AI：
> “使用.coursor工作流创建新代理”
AI将指导您完成完整的7步过程：
- ✅ PRD创建 - ✅ 文件夹结构设置 - ✅ 工具开发 - ✅ 代理创建 - ✅ 机构配置 - ✅ 测试与验证 - ✅ 迭代与优化
📋 AI将为你做什么
AI助手将自动：
- 创建正确的文件夹结构
- 生成代理类和指令
- 构建具有完整功能的自定义工具
- 设置通信流
- 创建主代理文件
- 测试所有内容以确保其正常工作
🚀 手动替代方案（高级用户）
如果您更喜欢手动设置，请更换 ExampleAgency/ 按照agency Swarm惯例，使用自己的代理结构创建文件夹。
机构结构要求
您的机构必须遵循以下结构：
- 代理文件夹：包含所有代理和宣言
- 代理文件夹：每个代理都有自己的文件夹，其中包含：
- AgentName.py -代理类定义 - instructions.md -代理商特定说明 - tools/ -包含代理工具的文件夹
- agency_manifesto.md -所有代理的共享说明
______________________________________________________________________
🚀 生产部署
该仓库与Agencii平台和标准的Agency Swarm部署模式兼容， 但它首先是当地第一家SkillCreatorAgency的创始人。您可以调整现有 Dockerfile 和 main.py 对于您首选的托管环境。
______________________________________________________________________
🔨 开发工作流程
🎯 推荐：人工智能辅助开发
- 打开光标IDE 使用此模板
- 问AI: _“使用.coursor工作流创建新代理”_
- 遵循指导流程 -人工智能自动处理一切
- 测试你的机构:
python agency.py - 部署到生产环境：安装 并推到main
⚙️ 手动开发（高级）
如果你更喜欢动手开发：
- 创建工具：在中构建代理工具
tools/文件夹 - 配置代理：写
instructions.md和代理类 - 本地测试：运行
python agency.py - 部署：推送到您喜欢的平台
这 .cursor/rules/workflow.mdc 该文件包含手动实现的完整开发规范。
______________________________________________________________________
📚 主要特点
- 🌐 Agencii云部署：一键部署到 Agencii平台
- 🤖 人工智能辅助创作：内置Cursor IDE工作流，用于自动化代理开发
- 🔄 自动部署：推送到主分支时自动部署
- 🚀 准备部署：包括Dockerfile和要求
- 🔧 模块化结构：易于定制和扩展
- 🛠️ 示例实现：完整的工作示例
- 📦 集装箱准备就绪：适用于任何平台的Docker配置
- 🔒 环境管理：通过Agentii仪表板安全处理API密钥
- 🧪 局部测试：终端开发演示
- 📋 引导式工作流程：人工智能辅助下的7步流程
______________________________________________________________________
📖 了解更多
- 代理Swarm文档
- ****
______________________________________________________________________
学分和许可证
- 此项目根据MIT许可证获得许可（参见
LICENSE). - 它基于并受到以下内容的启发：
- 机构人工智能解决方案/机构启动模板 - K-Dense-AI/claude技能mcp
- 这
skill-creator技能下mnt/skills/skill-creator/根据Apache 2.0许可证分发（请参阅其LICENSE.txt).
______________________________________________________________________
🤝 贡献
- 分叉存储库
- 创建要素分支
- 进行更改
- 提交拉取请求
______________________________________________________________________
⚡ 快速提示
- 从小做起：从1-2个代理开始，然后扩展
- 测试工具：每个工具应独立工作
- 清除指令：编写详细的代理说明
- 环境设置：始终使用
.env对于API密钥 - 文档：在开发过程中更新说明
______________________________________________________________________
准备好建立你的人工智能机构了吗？ 🤖✨
🌐 生产路线（推荐）
- 注册 在 机构.ai
- 使用此模板 创建存储库
- 安装
- 推到main → 自动部署！
🛠️ 发展路径
在中打开此模板 光标IDE 并要求人工智能使用 .cursor 工作流程。AI将自动处理从设置到测试的所有事情！