wshobson/agents

⭐ 35,111  ·  Python  ·  GitHub 仓库

智能自动化与多智能体编排系统，专为Claude Code设计

agents anthropic anthropic-claude automation claude claude-code claude-code-cli claude-code-commands

一句话总结

为 Claude Code 打造的、生产级多智能体编排生态系统，集成 185 个专业智能体和 80 个插件。

🔥 核心能力与独特卖点

• 精细化插件架构（80 个插件）：每个插件仅将其专属的智能体、命令和技能加载到 Claude Code 上下文中，彻底解决了 Token 膨胀这一核心痛点。平均每个插件包含 3.6 个组件（遵循 Anthropic 的 2-8 模式），意味着你只需为实际使用的部分付费。
• 多智能体编排（185 个智能体 + 16 个工作流）：领域专家型智能体通过工作流编排器协同处理复杂操作——涵盖全栈开发、安全加固、机器学习流水线和事件响应。告别单智能体瓶颈。
• 智能体技能系统（153 个模块化包）：渐进式加载机制仅在激活时才加载专业能力，在保持 Token 效率的同时，提供横跨 25 个类别的深厚领域知识。
• PluginEval 质量框架：三层评估体系（静态分析、LLM 评判、蒙特卡洛模拟），覆盖 10 个质量维度并具备反模式检测能力。通过统计置信区间认证插件/技能质量——不再是"在我机器上能跑就行"。
• 跨平台支持：既可作为 Claude Code 插件使用，也可作为原生 Gemini CLI 扩展运行，支持 153 个按需可发现的技能。让你的投资经得起未来考验。

独特卖点：唯一一个将精细化插件隔离、多智能体编排和统计严谨的质量认证框架融为一体的生态系统——所有设计均针对生产环境中极致的 Token 消耗优化。

技术架构

组件	详情
编程语言	Python（主要）、CLI 集成
插件架构	隔离式、单一职责插件；每个插件包含自己的智能体、命令、技能
组件模式	Anthropic 2-8 组件模式（平均 3.6 个/插件）
知识加载	渐进式加载——技能仅在激活时加载
质量框架	PluginEval：静态分析 → LLM 评判 → 蒙特卡洛模拟
评估维度	10 个质量维度，附带统计置信区间
平台支持	Claude Code 插件 + Gemini CLI 扩展
安装方式	/plugin marketplace add wshobson/agents + 各插件独立安装

快速入门指南

# 将市场添加到 Claude Code
/plugin marketplace add wshobson/agents

# 浏览可用插件
/plugin

# 安装核心开发插件
/plugin install python-development
/plugin install javascript-typescript
/plugin install backend-development
/plugin install kubernetes-operations
/plugin install cloud-infrastructure
/plugin install security-scanning
/plugin install comprehensive-review
/plugin install full-stack-orchestration

# 安装高级编排插件
/plugin install agent-teams@claude-code-workflows
/plugin install conductor@claude-code-workflows
/plugin install plugin-eval@claude-code-workflows

# Gemini CLI 替代方案
gemini extensions install https://github.com/wshobson/agents

# 故障排除 - 如需清除缓存
rm -rf ~/.claude/plugins/cache/claude-code-workflows && rm ~/.claude/plugins/installed_plugins.json

# 评估插件/技能质量
uv run plugin-eval score path/to/skill --depth quick
uv run plugin-eval score path/to/skill --depth standard
uv run plugin-eval certify path/to/skill

优势、局限与使用场景

优势

• Token 效率：隔离式插件加载意味着极低的上下文开销——对 Claude Code 的 Token 限制至关重要
• 全面覆盖：25 个类别涵盖架构、语言、基础设施、质量、数据/AI、文档、业务运营和 SEO
• 生产级质量：PluginEval 框架具备统计严谨性，确保认证插件达到质量标准
• 跨平台灵活性：同时支持 Claude Code 和 Gemini CLI——无供应商锁定
• 渐进式加载：技能仅在需要时激活，保持上下文精简

局限

• 环境依赖：需要 Claude Code 或 Gemini CLI——非独立工具
• 安装摩擦：必须使用插件名称（而非智能体名称）进行安装；命名不匹配可能导致混淆
• 缓存问题：故障排查时可能需要手动清除缓存（rm -rf ~/.claude/plugins/cache/...）
• 学习曲线：185 个智能体、80 个插件、153 个技能——缺乏引导式入门的新用户可能会感到不知所措

不适合谁使用？

• 不使用 Claude Code 或 Gemini CLI 的开发者：该生态系统与这些环境紧密耦合；不支持独立使用
• 寻求单一"全能"插件的团队：精细化架构有意避免单体插件；如果你希望一次安装解决所有问题，这不适合你
• 对 Token 预算不敏感的用户：如果你不追求极致的 Token 消耗优化，渐进式加载和隔离带来的额外复杂性得不偿失
• 原型/玩具项目：185 个智能体的生态系统专为生产工作流设计；简单项目可能会觉得过于复杂

理想使用场景

• 全栈开发团队：需要前端、后端、基础设施和安全领域的专业智能体——通过编排器协同工作
• 注重安全的组织：需要经过加固、认证且具备统计质量保证（PluginEval 框架）的插件
• 多平台团队：同时运行 Claude Code 和 Gemini CLI，希望使用统一的智能体生态系统
• 复杂工作流自动化：事件响应流水线、ML 模型部署、多服务架构审查——单智能体方案无法胜任的场景
• Token 优化环境：团队正在挑战 Claude Code 的上下文极限，需要在每个 Token 中榨取最大能力

社区与活跃度

该项目拥有 35,111 颗星标，并持续维护至 2026 年 5 月，显然已获得开发者社区的强烈共鸣。该生态系统从最初发布到如今拥有 80 个插件、185 个智能体和 153 个技能的快速增长，彰显了强大的贡献者动力和实际应用落地。引入正式的质量评估框架（PluginEval）表明维护者致力于生产级可靠性，而不仅仅是追求功能数量。这绝非一个副业项目；它正在成为 Claude Code 多智能体编排的事实标准。