agent-teams
通过文件系统协议协调Claude多智能体协作
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多智能体协作 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
'创建名为my-team的团队，包含前端agent和后端agent，前端agent负责实现登录页面，后端agent负责设计REST API。' 它会自动生成团队配置，启动两个独立的claude进程，分别分配任务文件，并监控任务完成进度。
介绍
这个Skill解决了并行开发中多个Claude智能体无法高效协同的问题。在实际开发中，开发者经常需要同时处理多个文件、模块或子系统，但单个Claude会话受限于上下文长度和顺序执行，难以并行推进。通过文件系统协议和tmux分屏，每个智能体独立运行，通过JSON文件加fcntl锁通信，无需数据库或网络层，实现松散耦合的多Agent团队协作。
使用方式很简单，你只需要先创建团队配置（写入~/.claude/teams/目录），然后为每个智能体指定身份标志（如—agent-id、—team-name）启动独立的claude进程。之后就可以通过自然语言指令来分配任务，例如“让前端agent实现用户登录组件，后端agent同时设计API接口”。智能体会自动轮询自己的收件箱，读取任务文件并执行，完成后将结果写回任务文件。
它非常适合需要并行处理多模块代码的团队或个人。尤其是那些已经使用Claude CLI进行日常开发，并且希望突破单会话限制的开发者。对于大型重构、跨文件代码审查、多模块并行实现等场景，能显著缩短整体开发时间。同时也适合需要编排多个AI代理完成复杂工作流的项目经理。
建议在使用前先确保tmux和Claude CLI已安装，并设置环境变量CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1。需要注意的是，它主要适用于可并行分解的任务，对于强依赖顺序推理的任务（如逐步推导算法）效果不佳。另外，由于采用文件系统轮询方式，响应延迟较高，不适合实时交互场景。
常见问题
如何创建并启动一个Agent团队？
编写团队配置文件到~/.claude/teams/<team-name>/config.json，定义成员列表和角色；然后为每个成员启动独立的claude进程，传入--agent-id、--team-name等参数，系统会自动创建收件箱和任务队列。
Agent之间如何通信？
通过文件系统写入JSON消息，每个Agent有自己的收件箱文件（inboxes/<agent-name>.json），并采用fcntl锁防止并发读写冲突。任务文件按自增ID顺序命名，Agent轮询新的任务文件进行处理。
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）