Skip to main content
Glama

AgentTeam

AgentTeam ist ein wiederverwendbares KI-Softwareentwicklungsteam, das auf dem Model Context Protocol (MCP) basiert. Dreizehn spezialisierte Agenten – Produktmanager, Projektmanager, UX-Researcher, UX/UI-Designer, Frontend, Backend, Full-Stack, Mobile, DevOps, QA, Sicherheit, Dateningenieur und Data Scientist – arbeiten über eine gemeinsame SQLite-Datenbank an Softwareprojekten zusammen, wobei jeder streng auf seine Rolle beschränkt ist.

Der Projektmanager koordiniert: Er erstellt das Projekt, rekrutiert die benötigten Spezialisten, unterteilt die Arbeit in Aufgaben und gibt ein Dispatch-Manifest zurück – ein JSON-Array, das die aufrufende Sitzung verwendet, um jeden Spezialisten als unabhängigen parallelen Agenten zu starten. Spezialisten lesen beim Beitritt die Projektzusammenfassung, protokollieren ihre Arbeit und Entscheidungen während des Prozesses und teilen strukturierte Forschungsartefakte, damit kein Agent erneut recherchieren muss, was ein anderer bereits gefunden hat.

Der gesamte Projektstatus wird in SQLite gespeichert (44 MCP-Tools in 12 Domänen: Projekte, Zusammenfassungen, Teammitglieder, Aufgaben, Arbeitseinträge, Aufgabenkommentare, Diskussionen, Entscheidungen, Artefakte und ein Benutzerjournal). Projekte sind UUID-gebunden und lebenszyklusverwaltet (aktiv → pausiert → archiviert → geschlossen), sodass Teams die Arbeit sitzungsübergreifend pausieren und fortsetzen können, ohne den Kontext zu verlieren.

Entwickelt, um von jedem Claude Code-Projekt über MCP aufgerufen zu werden – verweisen Sie in Ihrer claude_desktop_config.json auf den Server, und jedes Projekt kann ein vollständiges Team starten.

Benutzerjournal

Während das Team arbeitet, erfasst der Projektmanager Ihre Entscheidungen, Präferenzen und Überlegungen aus dem Gespräch in einem dauerhaften Benutzerjournal – Dinge wie in Betracht gezogene und abgelehnte Geräte, Kostenbeschränkungen, Präferenzen beim Formfaktor und Absichten für die nächsten Schritte. Diese werden als strukturierte Einträge gespeichert, die auf das Projekt (oder global für projektübergreifende Präferenzen) beschränkt sind und beim Abschluss überprüft werden, damit zwischen den Sitzungen nichts Wichtiges verloren geht. Das Journal ist über list_journal_entries abfragbar, sodass zukünftige Agenten lesen können, was in früheren Gesprächen festgelegt wurde, bevor sie mit neuen Arbeiten beginnen.


Projektstruktur

AgentTeam/
├── agents/               # Agent prompt files — one per role
│   ├── _base-protocol.md # Shared team protocol, constraints, efficiency rules
│   ├── project-manager.md
│   ├── product-manager.md
│   ├── backend-developer.md
│   └── ...
├── mcp-server/           # TypeScript MCP server
│   └── src/
│       ├── index.ts      # Server entry — all 44 tools registered
│       ├── db/
│       │   ├── schema.ts # Table definitions and migrations
│       │   └── connection.ts
│       └── tools/        # One file per domain
└── docs/                 # Design specs and reference guides

Related MCP server: Sprintra

MCP-Tool-Domänen

Domäne

Tools

Projekte

create_project, get_project, update_project_status, list_projects, delete_project

Zusammenfassungen

update_project_summary, get_project_summary, get_summary_version, list_summary_history

Teammitglieder

add_team_member, remove_team_member, list_team_members

Aufgaben

create_task, update_task, get_task, list_tasks

Arbeitseinträge

log_work, get_my_work, get_work_history

Aufgabenkommentare

add_task_comment, list_task_comments, list_my_comments

Diskussionen

create_discussion, add_discussion_participant, add_discussion_message, update_discussion_summary, get_discussion, list_discussions

Entscheidungen

log_decision, list_decisions, get_decision

Artefakte

share_artifact, update_artifact, list_artifacts, get_artifact

Team-Protokoll

get_team_protocol

Benutzerjournal

log_journal_entry, list_journal_entries

Benutzerfragen

ask_user_question, list_user_questions, answer_user_question

Erweiterungsanfragen

request_team_expansion, list_expansion_requests, resolve_expansion_request

Erste Schritte

1. Installieren Sie den MCP-Server

Ein Befehl (empfohlen):

claude mcp add agent-team -- npx agent-team-mcp

Das ist alles. Claude Code startet den Server automatisch und die /team-Fähigkeit wird beim ersten Ausführen global installiert.

Oder bearbeiten Sie Ihre MCP-Konfiguration manuell (~/.claude/settings.json oder Projekt .claude/settings.json):

{
  "mcpServers": {
    "agent-team": {
      "command": "npx",
      "args": ["agent-team-mcp"]
    }
  }
}

Oder von einem lokalen Klon:

git clone https://github.com/RichardLemmon/AgentTeam.git
cd AgentTeam/mcp-server
npm install
npm run build
claude mcp add agent-team -- node /path/to/AgentTeam/mcp-server/dist/index.js

Token-effiziente Architektur

Agent-Prompt-Dateien enthalten nur den rollenspezifischen Identitätsabschnitt (jeweils ca. 100 Wörter). Gemeinsames Team-Protokoll, Einschränkungen und Effizienzregeln befinden sich in einer einzigen agents/_base-protocol.md-Datei, die bei Bedarf über das get_team_protocol MCP-Tool bereitgestellt wird. Dieser Lazy-Loading-Ansatz spart beim Starten eines vollständigen Teams ca. 6.000 Wörter Kontext im Vergleich zur Duplizierung des Protokolls in jeder Agentendatei. Das Artefakt-JSON-Schema ist in der Beschreibung des share_artifact-Tools eingebettet, sodass Agenten es direkt vom Tool selbst entdecken können.

2. Verwenden Sie es

Die /team-Fähigkeit wird beim ersten Serverstart automatisch unter ~/.claude/skills/agent-team/ installiert. Geben Sie einfach Folgendes ein:

/team build me a REST API for task management

Oder verwenden Sie /team ohne Argumente, um Ihre bestehenden Projekte zu sehen und eines zur Bearbeitung auszuwählen.

Schnellstart

Mit der /team-Fähigkeit (Claude Code):

/team build me a REST API for task management

Ohne die Fähigkeit:

"Starten Sie den Projektmanager und bitten Sie ihn, [Thema] zu untersuchen"

Projekte verwalten:

/team --projects              # list all projects
/team --projects active       # filter by status
/team --projects delete <name> # delete a project

Funktionsweise

  1. PM richtet das Projekt ein – erstellt den Projektdatensatz, rekrutiert die benötigten Spezialisten, erstellt Aufgaben, schreibt die Projektzusammenfassung und gibt ein Dispatch-Manifest zurück.

  2. Aufrufende Sitzung startet Spezialisten – jeder Spezialist im Manifest wird als unabhängiger Agent mit seiner project_id und member_id gestartet.

  3. Spezialisten arbeiten parallel – jeder liest die Projektzusammenfassung, protokolliert Arbeitseinträge, teilt Artefakte und kommuniziert über Aufgabenkommentare und Diskussionen.

  4. Status bleibt sitzungsübergreifend erhalten – jeder Agent kann einem Projekt wieder beitreten, indem er die aktuelle Zusammenfassung liest und dort weitermacht, wo das Team aufgehört hat.

  5. PM schließt ab – nach Abschluss schreibt der PM eine Abschlusszusammenfassung und protokolliert wichtige Benutzerentscheidungen und Präferenzen im Journal für zukünftige Referenzzwecke.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.

No tool schema history has been recorded yet.

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    C
    maintenance
    An autonomous AI development agent that enables full-stack coding, automated verification, RAG-powered code search, and quality assurance through MCP tools. Supports Gemini CLI, Claude Code CLI, with features like parallel verification, security scanning, and spec-driven development.
    5
    Apache 2.0
  • F
    license
    A
    quality
    D
    maintenance
    A durable multi-agent orchestrator for software development with explicit run graphs, checkpoint/resume capabilities, and project memory exposed through MCP resources and tools. It enables coordinated agent workflows for coding, review, repair, CI, and approval with SQLite-backed memory retrieval and pluggable research backends.
    10
    -

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/RichardLemmon/AgentTeam'

If you have feedback or need assistance with the MCP directory API, please join our Discord server