Ai Agents

iterative-retrieval est un modèle de workflow qui permet d’affiner progressivement la récupération de contexte dans les tâches agentiques. Il aide les sous-agents à éviter d’avoir trop peu ou trop de contexte, ce qui le rend utile pour l’usage de iterative-retrieval, la prise de décision d’installation et iterative-retrieval pour l’automatisation de workflows.

continuous-agent-loop aide les agents à exécuter des boucles autonomes répétables avec des garde-fous qualité, des évaluations, des étapes de reprise et des règles d’arrêt claires pour mener les tâches à bien de façon fiable.

autonomous-loops est une compétence pour concevoir des workflows autonomes dans Claude Code, depuis de simples pipelines séquentiels jusqu’à l’orchestration de DAG multi-agents avec contrôles qualité et passages de relais.

autonomous-agent-harness transforme Claude Code en un système d’agents persistant et autonome, avec mémoire, exécutions planifiées, répartition des tâches et contrôle de l’ordinateur. Cette skill convient à l’orchestration d’agents, aux vérifications récurrentes et aux workflows de longue durée lorsque vous avez besoin de plus qu’un prompt ponctuel.

Découvrez le skill agentic-engineering pour une exécution orientée eval-first, la décomposition des tâches, l’orientation des modèles et une automatisation de workflow plus sûre avec des vérifications de régression.

Le skill de débogage par introspection des agents propose un workflow structuré d’auto-débogage pour les échecs d’agents IA : capturer l’état d’échec, diagnostiquer les causes probables, appliquer une étape de récupération contenue, puis produire un rapport d’introspection lisible par un humain. Utilisez-le pour des exécutions en boucle, très axées sur les relances ou sujettes à la dérive, pas pour la vérification courante.

agent-harness-construction est une compétence pratique pour améliorer la conception d’un harness d’agent, notamment les schémas d’outils, les formats d’observation, la reprise sur erreur et la gestion du budget de contexte afin d’obtenir de meilleurs taux de réussite.

subagent-driven-development est une skill conçue pour exécuter des plans d’implémentation avec un nouveau subagent par tâche, puis revoir chaque résultat en deux étapes : d’abord la conformité au spec, ensuite la qualité du code. Elle inclut des modèles de prompts pour l’implémenteur, le relecteur de conformité au spec et le relecteur de qualité du code.

dispatching-parallel-agents est une skill d’orchestration d’agents conçue pour répartir des tâches réellement indépendantes entre plusieurs agents, avec contexte isolé et résultats coordonnés.

langsmith-fetch est un skill de débogage pour les agents LangChain et LangGraph. Il guide les assistants pour installer le CLI, configurer les identifiants LangSmith, récupérer les traces récentes et analyser, preuves de trace à l’appui, les erreurs, les appels d’outils, l’activité mémoire, la latence et l’usage des tokens.

langbase-automation est une compétence Claude pour automatiser Langbase via Composio Rube MCP. Découvrez la configuration, les vérifications de connexion, la découverte avec RUBE_SEARCH_TOOLS et l’automatisation sûre des workflows Langbase.

griptape-automation est une skill Claude destinée à exécuter des opérations Griptape via Composio Rube MCP. Elle aide les agents à rechercher les schémas d’outils à jour, à vérifier qu’une connexion Griptape est active et à lancer des automatisations de workflows avec moins de paramètres obsolètes.

flowiseai-automation aide les agents à automatiser des tâches FlowiseAI via Composio Rube MCP. Configurez Rube, vérifiez la connexion flowiseai, recherchez d’abord les schémas d’outils actuels, puis exécutez en toute sécurité les automatisations de workflow prises en charge.

botsonic-automation aide les agents à automatiser les opérations Botsonic via Composio Rube MCP : découverte des outils disponibles, vérification de la connexion Botsonic et utilisation de schémas à jour avant l’exécution.

bolna-automation aide les agents à automatiser des tâches Bolna via Composio Rube MCP, en découvrant les schémas d’outils actuels, en vérifiant la connexion Bolna et en exécutant des actions de workflow plus sûres.

prompt-engineering-patterns est une skill pratique pour concevoir des prompts de production. Elle couvre le contexte d’installation, des modèles réutilisables, des exemples few-shot, les sorties structurées et des workflows d’optimisation de prompts pour le Context Engineering.

La compétence evaluation-methodology explique le scoring PluginEval pour Model Evaluation, avec les couches d’évaluation, les rubrics, le score composite, les seuils de badges et des conseils pratiques pour interpréter les résultats et améliorer les dimensions faibles.

langchain-architecture est un guide de conception pour créer des applications LangChain 1.x et LangGraph. Il aide à choisir entre les patterns de chaînes, d’agents, de retrieval, de mémoire et d’orchestration avec état avant l’implémentation.

team-composition-patterns est une skill d’aide à la décision pour concevoir des équipes multi‑agents dans Claude Code Agent Teams, avec des heuristiques de dimensionnement, un choix de subagent_type et des recommandations de modes d’affichage. Utilisez ce guide team-composition-patterns pour appliquer des équipes prédéfinies de review/debug, choisir les rôles et standardiser la configuration des équipes selon les tâches.

La skill parallel-feature-development aide les équipes à répartir une fonctionnalité en groupes de responsabilité clairs, à définir tôt des contrats partagés et à choisir des stratégies de merge plus sûres pour des workflows Git multi-agent. Utilisez-la pour planifier la propriété des fichiers, l’intégration selon les dépendances et une implémentation parallèle avec moins de conflits.

task-coordination-strategies aide les équipes à découper des travaux complexes, cartographier les dépendances, définir des critères d’acceptation et coordonner des workflows parallèles entre agents ou contributeurs, avec des responsabilités plus claires et moins de conflits de fusion.

team-communication-protocols définit des règles de messagerie pour les équipes d’agents : messages directs ou diffusion, validation des plans, procédures d’arrêt et modèles réutilisables pour une Agent Orchestration coordonnée.

agentic-eval est une compétence GitHub Copilot qui montre comment créer des boucles d’évaluation des sorties d’IA à l’aide de la réflexion, de critiques fondées sur des rubriques et de schémas evaluator-optimizer.

agent-governance est une skill centrée sur la documentation pour concevoir des garde-fous d’agents IA, des contrôles de politiques, des règles de confiance, des restrictions d’outils et la journalisation d’audit pour les systèmes multi-agents et les agents qui utilisent des outils.