Skip to main content
Glama

Agent Team Lab

Mini plataforma reutilizable para cargar un equipo de agentes expertos en cualquier proyecto. El flujo conecta Product Manager, Arquitectura, Programación, QA y Seguridad; cada resultado alimenta las etapas siguientes y PM consolida la decisión final.

Puede consumirse de tres formas:

  • como servidor MCP desde Codex, Hermes u otro cliente compatible;

  • mediante API REST desde una aplicación;

  • con una CLI local para pruebas.

El núcleo no depende de un único modelo. Incluye adaptadores para OpenAI Responses API, endpoints compatibles con OpenAI, Hermes Agent CLI y un proveedor determinista para tests.

Flujo

flowchart TD
    PM1[PM: alcance] --> ARQ[Arquitectura]
    ARQ --> DEV[Programación]
    DEV --> QA[QA]
    DEV --> SEC[Seguridad]
    QA --> PM2[PM: decisión]
    SEC --> PM2

La versión 0.1.0 es de solo lectura: recoge archivos de texto del proyecto dentro de una raíz permitida, limita el contexto y devuelve recomendaciones. No ejecuta código del repositorio analizado ni escribe cambios.

Related MCP server: multi-agent-mcp

Inicio rápido

Requisitos: Python 3.11+ y uv.

git clone https://github.com/Benemox/agent-team-lab.git
cd agent-team-lab
cp .env.example .env
uv sync --extra dev

Configura OPENAI_API_KEY en tu entorno y prueba:

uv run agent-team roles
uv run agent-team run "Revisa el flujo de pagos" --project /ruta/al/proyecto

La ruta debe estar dentro de AGENT_TEAM_ALLOWED_ROOT. Para una prueba sin gastar tokens:

AGENT_TEAM_PROVIDER=mock AGENT_TEAM_ALLOWED_ROOT="$PWD" \
  uv run agent-team run "Comprueba el equipo" --project "$PWD"

Proveedores

OpenAI / Codex

Usa Responses API. OPENAI_MODEL admite el identificador de modelo disponible en tu proyecto de OpenAI.

AGENT_TEAM_PROVIDER=openai
OPENAI_API_KEY=...
OPENAI_MODEL=gpt-5.4-mini

Hermes Agent

Instala y configura Hermes por separado, comprueba que hermes funciona y selecciona el adaptador:

hermes setup
AGENT_TEAM_PROVIDER=hermes uv run agent-team run "Analiza este módulo" --project .

El adaptador usa una ejecución finita hermes chat --oneshot -q; conserva la configuración de proveedor/modelo que hayas elegido en Hermes.

Ollama, vLLM, LocalAI u otro compatible

AGENT_TEAM_PROVIDER=openai-compatible
OPENAI_COMPATIBLE_BASE_URL=http://127.0.0.1:11434/v1
OPENAI_COMPATIBLE_API_KEY=local
OPENAI_COMPATIBLE_MODEL=qwen3-coder

API REST

AGENT_TEAM_ALLOWED_ROOT=/ruta/a/proyectos uv run agent-team serve

Endpoints:

  • GET /health

  • GET /v1/roles

  • POST /v1/experts/{role_id}

  • POST /v1/team/run

  • documentación OpenAPI en http://127.0.0.1:8008/docs

Ejemplo:

curl -X POST http://127.0.0.1:8008/v1/team/run \
  -H 'Content-Type: application/json' \
  -H "Authorization: Bearer $AGENT_TEAM_API_TOKEN" \
  -d '{"task":"Revisa el login", "project_path":"/ruta/a/proyectos/mi-app"}'

Define AGENT_TEAM_API_TOKEN antes de exponer el servicio fuera de localhost. El contenedor monta los proyectos en modo solo lectura.

MCP y plugin

El repositorio ya incluye .codex-plugin/plugin.json, .mcp.json y cinco skills. Tras instalar dependencias, el servidor puede arrancarse con:

uv run agent-team-mcp

Expone las herramientas:

  • list_experts

  • ask_expert

  • run_team

Para incorporar el equipo a otro repositorio sin instalar el plugin completo, añade este servidor a la configuración MCP del cliente y usa el directorio clonado como directorio de trabajo:

{
  "mcpServers": {
    "agent-team-lab": {
      "command": "uv",
      "args": ["run", "--directory", "/ruta/agent-team-lab", "agent-team-mcp"],
      "env": {
        "AGENT_TEAM_PROVIDER": "openai",
        "AGENT_TEAM_ALLOWED_ROOT": "/ruta/a/proyectos"
      }
    }
  }
}

No escribas la API key dentro del JSON si el archivo se va a versionar; pásala mediante variables del sistema o un almacén de secretos.

Personalizar el equipo

  • Edita perfiles en skills/*/SKILL.md.

  • Cambia orden, paralelismo y objetivos en config/team.yaml.

  • Añade un proveedor implementando AgentProvider y registrándolo en providers/factory.py.

  • Ajusta extensiones, límites y carpetas ignoradas en context.py.

Verificación

uv run ruff check src tests
uv run pytest

Diseño de seguridad

  • raíz de proyectos permitida y bloqueo de path traversal;

  • límites de bytes y archivos enviados al modelo;

  • carpetas de dependencias, caché y control de versiones excluidas;

  • contexto marcado como no confiable frente a prompt injection;

  • sin shell para analizar proyectos y sin escrituras automáticas;

  • Hermes se invoca con argumentos, no mediante shell=True;

  • token Bearer opcional para REST y escucha local por defecto.

Licencia

MIT.

Available Tools

3 tools
ask_expertC

Ask one specialist to review a task and the readable source files in a project.

Inputs: task (required), role_id (required), provider, project_path.

list_expertsA

List the expert roles available in this agent team.

Inputs: no named parameters. Returns: result

run_teamC

Run the connected PM, architecture, programming, QA and security workflow.

Inputs: task (required), provider, project_path.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    B3.4/5.0

    Scored across 3 tools

    Disambiguation5/5

    Each tool has a clear, distinct purpose: listing expert roles, consulting a single expert, and running the full team workflow. There is no ambiguity or overlap between them.

    Naming Consistency5/5

    All tool names follow a consistent verb_noun pattern using snake_case: list_experts, ask_expert, run_team. The naming is uniform and predictable.

    Tool Count5/5

    Three tools is a well-scoped set for an agent team lab. Each tool addresses a core interaction—discover, consult, execute—without unnecessary bloat.

    Completeness4/5

    The core workflows are covered: listing experts, asking one expert, and running the full team. Minor gaps exist such as no explicit status/result polling or workflow cancellation, but the surface is reasonably complete for its scope.

    Maintenance

    ActivitySlowing
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      C
      maintenance
      A reusable AI software development team built on MCP. 13 specialized agents (Project Manager, Backend, Frontend, QA, Security, DevOps, UX, and more) collaborate via shared SQLite state. Exposes 44 MCP tools across 12 domains. All discussions and decisions are stored in the database so agents get back up to speed immediately when re-loaded.
      MIT
    • A
      license
      C
      quality
      C
      maintenance
      Enables coding agents to coordinate around shared project context, durable tasks, messages, artifacts, multimodal analysis requests, design-system checks, change proposals, and review requests through a compact MCP interface. It persists state locally in JSON and exposes tools, resources, and prompts for agent-to-agent workflows.
      9
      MIT