Skip to main content
Glama

AgentTeam

AgentTeamは、Model Context Protocol (MCP) 上に構築された再利用可能なAIソフトウェア開発チームです。プロダクトマネージャー、プロジェクトマネージャー、UXリサーチャー、UX/UIデザイナー、フロントエンド、バックエンド、フルスタック、モバイル、DevOps、QA、セキュリティ、データエンジニア、データサイエンティストという13人の専門エージェントが、共有SQLiteデータベースを通じてソフトウェアプロジェクトで連携し、それぞれが自身の役割に厳密に制限されます。

プロジェクトマネージャーが指揮を執ります。プロジェクトを作成し、必要な専門家を募集し、作業をタスクに分割し、ディスパッチマニフェスト(呼び出し側のセッションが各専門家を独立した並列エージェントとして起動するために使用するJSON配列)を返します。専門家は参加時にプロジェクト概要を読み、作業や決定事項を記録し、構造化された調査成果物を共有するため、他のエージェントがすでに発見したことを再調査する必要はありません。

すべてのプロジェクト状態はSQLiteに永続化されます(12ドメインにわたる44のMCPツール:プロジェクト、概要、チームメンバー、タスク、作業エントリ、タスクコメント、議論、決定事項、成果物、ユーザージャーナル)。プロジェクトはUUIDでスコープされ、ライフサイクル管理(アクティブ → 一時停止 → アーカイブ → クローズ)されるため、チームはコンテキストを失うことなくセッション間で作業を一時停止および再開できます。

MCPを介して任意のClaude Codeプロジェクトから呼び出せるように設計されています。claude_desktop_config.jsonでサーバーを指定すれば、どのプロジェクトでもチーム全体を立ち上げることができます。

ユーザージャーナル

チームが作業を進める中で、プロジェクトマネージャーは会話からあなたの決定、好み、推論を永続的なユーザージャーナルに記録します。検討して却下されたデバイス、コスト制約、フォームファクターの好み、次のステップの意図などが含まれます。これらはプロジェクト単位(またはプロジェクト横断的な好みの場合はグローバル)で構造化されたエントリとして保存され、終了時にレビューされるため、セッション間で重要な情報が失われることはありません。ジャーナルはlist_journal_entriesを介してクエリ可能であり、将来のエージェントは新しい作業を開始する前に、過去の会話で何が確立されたかを読み取ることができます。


プロジェクト構造

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ツールドメイン

ドメイン

ツール

プロジェクト

create_project, get_project, update_project_status, list_projects, delete_project

概要

update_project_summary, get_project_summary, get_summary_version, list_summary_history

チームメンバー

add_team_member, remove_team_member, list_team_members

タスク

create_task, update_task, get_task, list_tasks

作業エントリ

log_work, get_my_work, get_work_history

タスクコメント

add_task_comment, list_task_comments, list_my_comments

議論

create_discussion, add_discussion_participant, add_discussion_message, update_discussion_summary, get_discussion, list_discussions

決定事項

log_decision, list_decisions, get_decision

成果物

share_artifact, update_artifact, list_artifacts, get_artifact

チームプロトコル

get_team_protocol

ユーザージャーナル

log_journal_entry, list_journal_entries

ユーザー質問

ask_user_question, list_user_questions, answer_user_question

拡張リクエスト

request_team_expansion, list_expansion_requests, resolve_expansion_request

はじめに

1. MCPサーバーのインストール

1つのコマンド(推奨):

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

以上です。Claude Codeが自動的にサーバーを起動し、初回実行時に/teamスキルがグローバルにインストールされます。

または、MCP設定を手動で編集します (~/.claude/settings.json またはプロジェクトの .claude/settings.json):

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

または、ローカルクローンから:

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

トークン効率の高いアーキテクチャ

エージェントのプロンプトファイルには、役割固有のアイデンティティセクション(各約100語)のみが含まれています。共有チームプロトコル、制約、効率ルールは単一の agents/_base-protocol.md ファイルに存在し、get_team_protocol MCPツールを介してオンデマンドで提供されます。この遅延読み込みアプローチにより、すべてのエージェントファイルにプロトコルを複製する場合と比較して、チーム全体を生成する際のコンテキストを約6,000語節約できます。成果物のJSONスキーマはshare_artifactツールの説明に埋め込まれているため、エージェントはツール自体からそれを発見します。

2. 使用方法

/teamスキルは、最初のサーバー起動時に~/.claude/skills/agent-team/に自動的にインストールされます。次のように入力するだけです:

/team build me a REST API for task management

または、引数なしで/teamを使用して、既存のプロジェクトを表示し、作業するプロジェクトを選択します。

クイックスタート

/teamスキルを使用する場合 (Claude Code):

/team build me a REST API for task management

スキルを使用しない場合:

"プロジェクトマネージャーを立ち上げて、[件名]について調査するように依頼して"

プロジェクトの管理:

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

仕組み

  1. PMがプロジェクトをセットアップ — プロジェクトレコードを作成し、必要な専門家を募集し、タスクを作成し、プロジェクト概要を書き、ディスパッチマニフェストを返します。

  2. 呼び出し側セッションが専門家を生成 — マニフェスト内の各専門家は、project_idとmember_idを持つ独立したエージェントとして起動されます。

  3. 専門家が並行して作業 — 各専門家はプロジェクト概要を読み、作業エントリを記録し、成果物を共有し、タスクコメントや議論を通じてコミュニケーションをとります。

  4. セッション間で状態が永続化 — どのエージェントも、現在の概要を読み取り、チームが中断したところから再開することで、プロジェクトに再参加できます。

  5. PMがクローズアウト — 完了時に、PMはクローズアウト概要を作成し、将来の参照のために主要なユーザーの決定事項や好みをジャーナルに記録します。

Related MCP Connectors

Related MCP Servers

  • F
    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.
    41 PyPI
    5
    -
  • 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
    -