Fähigkeiten autonomous-agent-patterns
🤖

autonomous-agent-patterns

Sicher

Autonome KI-Agenten entwickeln

Lernen Sie bewährte Designmuster für die Erstellung autonomer Coding-Agenten mit korrekter Tool-Integration, Berechtigungssystemen und Sicherheitskontrollen. Unverzichtbar für Entwickler, die KI-gestützte Entwicklungstools erstellen.

Unterstützt: Claude Codex Code(CC)
🥉 74 Bronze
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "autonomous-agent-patterns". Zeigen Sie mir, wie man einen Agenten erstellt, der Dateien mit korrekten Berechtigungssteuerungen lesen und bearbeiten kann.

Erwartetes Ergebnis:

Eine Python-Implementierung, die zeigt: 1) FileTool-Basisklasse mit JSON-Schema, 2) ReadFileTool- und EditFileTool-Implementierungen, 3) PermissionLevel-Enum mit AUTO/ASK_ONCE/ASK_EACH/NEVER-Stufen, 4) ApprovalManager, der die Berechtigungskonfiguration vor der Ausführung von Tools überprüft, 5) Beispielkonfiguration, die read_file auf AUTO und write_file auf ASK_ONCE abbildet.

Verwendung von "autonomous-agent-patterns". Wie erstelle ich einen visuellen Agenten, der Buttons auf Webseiten durch Beschreiben anklicken kann?

Erwartetes Ergebnis:

Ein VisualAgent-Muster mit: 1) BrowserTool mit Playwright für Screenshot-Erfassung, 2) Vision-Modell-Integration zur Analyse von Screenshots, 3) find_and_click-Methode, die das LLM bittet, Elemente nach Beschreibung zu lokalisieren und Koordinaten zurückzugeben, 4) Mausklick an erkannten Koordinaten. Einschließlich Fehlerbehandlung für nicht gefundene Elemente.

Verwendung von "autonomous-agent-patterns". Entwerfen Sie ein Checkpoint-System für langlaufende Agentenaufgaben.

Erwartetes Ergebnis:

CheckpointManager-Klasse mit: 1) save_checkpoint-Methode, die Historie, Kontext, Workspace-Zustand (git status) und Metadaten erfasst, 2) restore_checkpoint zum Neuladen des Zustands, 3) Verwendung von JSON-Speicherung mit Sitzungs-IDs, 4) Workspace-Erfassung über git-Befehle für Zustandsverfolgung.

Sicherheitsaudit

Sicher
v1 • 2/24/2026

This skill is a reference documentation resource containing code examples for building autonomous agents. All detected patterns (external_commands, network, filesystem, env_access) are documentation examples demonstrating legitimate agent patterns, not actual executable malicious code. The skill does not contain prompt injection attempts or malicious intent. All findings are false positives - the skill is educational content about agent architecture.

1
Gescannte Dateien
764
Analysierte Zeilen
0
befunde
1
Gesamtzahl Audits
Keine Sicherheitsprobleme gefunden
Auditiert von: claude

Qualitätsbewertung

38
Architektur
100
Wartbarkeit
87
Inhalt
50
Community
100
Sicherheit
91
Spezifikationskonformität

Was du bauen kannst

Claude Code-Erweiterung erstellen

Erstellen Sie eine VS Code-Erweiterung oder CLI-Tool, das Claude für autonomes Code-Bearbeiten mit korrekten Berechtigungssteuerungen verwendet.

Sichere Agenten-APIs entwerfen

Implementieren Sie Tool-Calling-APIs mit Berechtigungsstufen, Genehmigungsdialogen und Sandboxing für KI-Agenten-Frameworks.

Browser-Automatisierung zu Agenten hinzufügen

Ermöglichen Sie Ihrem KI-Agenten die Interaktion mit Webanwendungen durch visuelle Elementerkennung und -automatisierung.

Probiere diese Prompts

Einfache Agent-Loop 
Zeigen Sie mir, wie man eine einfache Agent-Loop in Python implementiert, die ein LLM verwendet, um zu entscheiden, wann Tools verwendet werden sollen gegenüber dem Zurückgeben einer endgültigen Antwort.
Berechtigungssystem 
Erstellen Sie ein Berechtigungssystem für einen KI-Agenten mit verschiedenen Stufen: Auto-Genehmigung für sichere Operationen, Einmal-Fragen für mäßiges Risiko, Jedes-Mal-Fragen für gefährliche Befehle und Niemals-Erlauben für blockierte Operationen.
Sandboxed-Ausführung 
Schreiben Sie eine Python-Klasse, die Shell-Befehle sicher in einer sandboxed Umgebung ausführt, einschränkt, welche Befehle ausgeführt werden können, und den Dateisystemzugriff auf ein Arbeitsverzeichnis begrenzt.
MCP-Tool-Entdeckung 
Zeigen Sie, wie man eine dynamische MCP-Serververbindung implementiert, die verfügbare Tools entdeckt und das Erstellen neuer Tools zur Laufzeit basierend auf Benutzerbeschreibungen ermöglicht.

Bewährte Verfahren

  • Implementieren Sie immer Berechtigungsstufen - Auto-Genehmigung für sichere Leseoperationen, aber Genehmigung für Dateischreibvorgänge und Befehlsausführung erforderlich
  • Verwenden Sie sandboxed Ausführungsumgebungen, um einzuschränken, welche Befehle und Dateisystempfade zugänglich sind
  • Entwerfen Sie Tools mit klaren JSON-Schemas, damit das LLM versteht, was jedes Tool tut und welche Parameter es hat

Vermeiden

  • Uneingeschränkte Befehlsausführung ohne Berechtigungsprüfungen oder Sandboxing zulassen
  • Agenten unbegrenzten Kontext ohne ordnungsgemäße Kontextverwaltung und Größenbeschränkungen geben
  • Tools mit vagen Beschreibungen implementieren, die unklar machen, was das Tool tut

Häufig gestellte Fragen

Ist diese Fähigkeit einsatzbereit oder muss ich sie implementieren?
Dies ist eine Referenzdokumentations-Fähigkeit mit Codebeispielen. Sie müssen die Muster in Ihrer eigenen Codebase implementieren. Es lehrt Sie, wie man autonome Agenten erstellt, es ist kein funktionierender Agent selbst.
Welche KI-Modelle funktionieren mit diesen Mustern?
Diese Muster funktionieren mit jedem LLM, das Tool-Calling unterstützt, einschließlich Claude, GPT-4 und anderen Modellen. Die Muster sind modellagnostisch.
Benötige ich besondere Berechtigungen, um diese Agentenmuster auszuführen?
Die Muster enthalten ihre eigenen Berechtigungssysteme. Sie benötigen keine besonderen Berechtigungen, um sie zu studieren oder zu implementieren. Die Fähigkeit selbst führt keinen Code aus.
Können diese Muster mein System beschädigen?
Die Muster enthalten Sicherheitsfunktionen wie Sandboxing und Berechtigungsstufen. Bei der Implementierung sind Sie jedoch für eine korrekte Sicherheitskonfiguration verantwortlich. Schränken Sie immer gefährliche Befehle ein und begrenzen Sie den Dateisystemzugriff.
Wie fange ich an, einen Agenten zu erstellen?
Beginnen Sie mit dem Abschnitt 'Kern-Agenten-Architektur', um die Denke-Entscheide-Handle-Beobachte-Loop zu verstehen. Implementieren Sie dann grundlegende Tools aus Abschnitt 2. Fügen Sie Berechtigungssteuerungen aus Abschnitt 3 hinzu, bevor Sie gefährliche Operationen aktivieren.
Was ist MCP und wie bezieht es sich auf diese Muster?
MCP (Model Context Protocol) ist ein Standard für die Verbindung von KI-Agenten mit externen Tools und Datenquellen. Abschnitt 6 zeigt, wie man dynamische Tool-Entdeckung mit MCP implementiert, sodass Agenten Tools automatisch finden und verwenden können.

Entwicklerdetails

Autor

sickn33

Lizenz

MIT

Repository

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/autonomous-agent-patterns

Ref

main

Dateistruktur

📄 SKILL.md