Навыки autonomous-agent-patterns
🤖

autonomous-agent-patterns

Безопасно

Создание автономных AI-агентов

Изучите проверенные проектные шаблоны для создания автономных кодирующих агентов с правильной интеграцией инструментов, системами разрешений и средствами безопасности. Необходимо для разработчиков, создающих инструменты разработки на базе AI.

Поддерживает: Claude Codex Code(CC)
📊 71 Адекватно
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «autonomous-agent-patterns». Покажите, как создать агента, который может читать и редактировать файлы с надлежащим контролем разрешений.

Ожидаемый результат:

Реализация на Python, показывающая: 1) базовый класс FileTool со схемой JSON, 2) реализации ReadFileTool и EditFileTool, 3) перечисление PermissionLevel с уровнями AUTO/ASK_ONCE/ASK_EACH/NEVER, 4) ApprovalManager, который проверяет конфигурацию разрешений перед выполнением инструментов, 5) Пример конфигурации, отображающей read_file на AUTO и write_file на ASK_ONCE.

Использование «autonomous-agent-patterns». Как создать визуального агента, который может нажимать кнопки на веб-страницах, описывая их?

Ожидаемый результат:

Шаблон VisualAgent, использующий: 1) BrowserTool с Playwright для захвата скриншотов, 2) интеграцию визуальной модели для анализа скриншотов, 3) метод find_and_click, который запрашивает LLM найти элементы по описанию и вернуть координаты, 4) щелчок мышью по обнаруженным координатам. Включает обработку ошибок для элементов, которые не найдены.

Использование «autonomous-agent-patterns». Разработайте систему контрольных точек для д��ительных задач агента.

Ожидаемый результат:

Класс CheckpointManager с: 1) метод save_checkpoint, захватывающий историю, контекст, состояние рабочей области (статус git) и метаданные, 2) restore_checkpoint для перезагрузки состояния, 3) использует хранилище JSON с идентификаторами сессий, 4) включает захват рабочей области через команды git для отслеживания состояния.

Аудит безопасности

Безопасно
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
Просканировано файлов
764
Проанализировано строк
0
находки
1
Всего аудитов
Проблем безопасности не найдено
Проверено: claude

Оценка качества

38
Архитектура
100
Сопровождаемость
87
Контент
33
Сообщество
100
Безопасность
91
Соответствие спецификации

Что вы можете построить

Создание расширения Claude Code

Создайте расширение VS Code или инструмент CLI, который использует Claude для автономного редактирования кода с надлежащим контролем разрешений.

Проектирование безопасных API агентов

Реализуйте API вызова инструментов с уровнями разрешений, диалогами одобрения и изоляцией для фреймворков AI-агентов.

Добавление автоматизации браузера к агентам

Позвольте вашему AI-агенту взаимодействовать с веб-приложениями через визуальное обнаружение элементов и автоматизацию.

Попробуйте эти промпты

Базовый цикл агента 
Покажите, как реализовать базовый цикл агента на Python, который использует LLM для определения того, когда использовать инструменты, а когда вернуть окончательный ответ.
Система разрешений 
Создайте систему разрешений для AI-агента с разными уровнями: авто-одобрение для безопасных операций, запрос-один раз для умеренного риска, запрос-каждый-раз для опасных команд и никогда-не-разрешать для заблокированных операций.
Изолированное выполнение 
Напишите класс Python, который безопасно выполняет команды оболочки в изолированной среде, ограничивая, какие команды могут выполняться, и ограничивая доступ к файловой системе каталогом рабочей области.
Обнаружение MCP-инструментов 
Покажите, как реализовать динамическое подключение MCP-сервера, которое обнаруживает доступные инструменты и позволяет создавать новые инструменты во время выполнения на основе описаний пользователя.

Лучшие практики

  • Всегда реализуйте уровни разрешений - авто-одобрение для безопасных операций чтения, но требуйте одобрения для записи файлов и выполнения команд
  • Используйте изолированные среды выполнения для ограничения доступных команд и путей файловой системы
  • Проектируйте ин��трументы с четкими схемами JSON, чтобы LLM понимал, что делает каждый инструмент и каковы его параметры

Избегать

  • Разрешение неограниченного выполнения команд без проверки разрешений или изоляции
  • Предоставление агентам неограниченного контекста без надлежащего управления контекстом и ограничений размера
  • Реализация инструментов с расплывчатыми описаниями, из-за которых неясно, что делает инструмент

Часто задаваемые вопросы

Этот навык готов к использованию или мне нужно его реализовать?
Это справочный навык документации с примерами кода. Вам нужно реализовать шаблоны в собственной кодовой базе. Он учит, как создавать автономных агентов, но сам по себе не является функционирующим агентом.
Какие AI-модели работают с этими шаблонами?
Эти шаблоны работают с любой LLM, поддерживающей вызов инструментов, включая Claude, GPT-4 и другие модели. Шаблоны не зависят от модели.
Нужны ли мне специальные разрешения для запуска этих шаблонов агентов?
Шаблоны включают собственные системы разрешений. Вам не нужны специальные разрешения для их изучения или реализации. Сам навык не выполняет никакого кода.
Могут ли эти шаблоны повредить мою систему?
Шаблоны включают функции безопасности, такие как изоляция и уровни разрешений. Однако при их реализации вы несете ответственность за надлежащую настройку безопасности. Всегда ограничивайте опасные команды и ограничивайте доступ к файловой системе.
Как начать создание агента?
Начните с раздела Core Agent Architecture, чтобы понять цикл think-decide-act-observe. Затем реализуйте базовые инструменты из раздела 2. Добавьте контроль разрешений из раздела 3 перед включением каких-либо опасных операций.
Что такое MCP и как это связано с этими шаблонами?
MCP (Model Context Protocol) - это стандарт для подключения AI-агентов к внешним инструментам и источникам данных. Раздел 6 показывает, как реализовать динамическое обнаружение инструментов с использованием MCP, позволяя агентам автоматически находить и использовать инструменты.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Репозиторий

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

Ссылка

main

Структура файлов

📄 SKILL.md