agent-teams
通过文件系统协议协调Claude多智能体团队
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：agent-teams。 它的用途是：通过文件系统协议协调Claude多智能体团队 完整的 Skill 内容见：https://321skill.com/skills/agent-teams/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请使用agent-teams协调三个Claude代理，分别负责代码审查、测试用例生成和文档撰写，所有任务输出汇总到项目目录。’ 它会自动创建任务定义文件，启动文件监听器，三个代理通过共享的inbox/outbox文件夹交换中间结果，最终合并输出到指定目录。
介绍
在构建复杂AI应用时，往往需要多个Claude智能体分工协作，但传统的API或消息队列方案增加了基础设施复杂度。agent-teams提供了一种轻量级方案：利用文件系统协议（如本地文件读写、共享目录）作为智能体间的通信媒介，让多个Claude代理能够读取同一任务文件、写入中间结果、相互感知进度，从而完成协同任务。
使用方式非常直观：你只需在项目目录中创建任务定义文件（如JSON/YAML），指定每个智能体的角色、目标和输入输出路径；然后启动agent-teams，它会自动监听文件变化，将任务分发给对应的Claude代理，并收集它们的输出。整个过程无需配置消息队列、数据库或第三方服务，完全依赖操作系统文件系统。
这个Skill特别适合需要快速搭建多智能体协作环境的开发者、项目经理和AI研究人员。例如，你可以让一个Claude代理负责代码审查，另一个负责生成测试用例，第三个负责撰写文档，三者通过共享的“inbox”和“outbox”文件夹交换信息。对于原型验证、本地开发、教学演示等场景尤为高效。
使用建议：开始前确保所有Claude代理都能访问同一个文件系统路径（本地或NFS挂载）；文件命名和目录结构需提前约定，避免冲突。注意，文件系统I/O存在一定延迟，不适合毫秒级实时协作场景。另外，需留意文件权限和并发写入冲突，建议在任务定义中设置明确的锁机制或使用原子操作。
核心特点
区别于其他通过API或消息队列协调智能体的方案，agent-teams利用文件系统协议实现轻量级、无依赖的代理间通信，无需额外基础设施，适合本地开发和快速原型验证。
注意事项
不适合需要低延迟实时通信或跨机器分布式部署的场景，且文件系统并发写入可能存在冲突风险。
常见问题
如何安装agent-teams？
可以通过npm全局安装：npm install -g agent-teams，或从GitHub仓库克隆后本地运行。
支持哪些Claude模型？
agent-teams不限制模型版本，只要Claude代理能够通过标准输入输出或文件读写即可协作。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/agent-teams/raw/index.md 读取 agent-teams 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/agent-teams/raw/index.md（查看排版版本）