claude-devfleet

Claude DevFleet 多智能体编排

何时使用

当你需要调度多个 Claude Code 智能体并行处理编码任务时使用此技能。每个智能体在隔离的 git 工作树中运行，拥有完整的工具链。

需要通过 MCP 连接运行中的 Claude DevFleet 实例：

claude mcp add devfleet --transport http http://localhost:18801/mcp

工作原理

用户 → "构建一个带认证和测试的 REST API"
  ↓
plan_project(prompt) → project_id + 任务 DAG
  ↓
向用户展示计划 → 获得批准
  ↓
dispatch_mission(M1) → 智能体 1 在工作树中生成
  ↓
M1 完成 → 自动合并 → 自动调度 M2（依赖 M1）
  ↓
M2 完成 → 自动合并
  ↓
get_report(M2) → 已变更文件、完成内容、错误、下一步
  ↓
向用户报告

工具

工具	用途
plan_project(prompt)	AI 将描述分解为带有链式任务的项目
create_project(name, path?, description?)	手动创建项目，返回 project_id
create_mission(project_id, title, prompt, depends_on?, auto_dispatch?)	添加任务。depends_on 是任务 ID 字符串列表（例如 ["abc-123"]）。设置 auto_dispatch=true 可在依赖满足时自动启动。
dispatch_mission(mission_id, model?, max_turns?)	在任务上启动智能体
cancel_mission(mission_id)	停止正在运行的智能体
wait_for_mission(mission_id, timeout_seconds?)	阻塞直到任务完成（见下方说明）
get_mission_status(mission_id)	检查任务进度而不阻塞
get_report(mission_id)	读取结构化报告（变更文件、已测试、错误、下一步）
get_dashboard()	系统概览：运行中的智能体、统计、最近活动
list_projects()	浏览所有项目
list_missions(project_id, status?)	列出项目中的任务

关于 wait_for_mission 的说明： 这会阻塞对话最多 timeout_seconds（默认 600）。对于长时间运行的任务，建议改为每 30-60 秒使用 get_mission_status 轮询，这样用户可以看到进度更新。

工作流：规划 → 调度 → 监控 → 报告

1. 规划：调用 plan_project(prompt="...") → 返回 project_id + 带有 depends_on 链和 auto_dispatch=true 的任务列表。
2. 展示计划：向用户展示任务标题、类型和依赖链。
3. 调度：在根任务（depends_on 为空）上调用 dispatch_mission(mission_id=<first_mission_id>)。其余任务在其依赖完成后自动调度（因为 plan_project 为它们设置了 auto_dispatch=true）。
4. 监控：调用 get_mission_status(mission_id=...) 或 get_dashboard() 检查进度。
5. 报告：任务完成时调用 get_report(mission_id=...)。向用户分享要点。

并发

DevFleet 默认最多运行 3 个并发智能体（可通过 DEVFLEET_MAX_AGENTS 配置）。当所有槽位已满时，设置了 auto_dispatch=true 的任务在任务监视器中排队，并在槽位释放时自动调度。使用 get_dashboard() 检查当前槽位使用情况。

示例

全自动：规划和启动

1. plan_project(prompt="...") → 显示带有任务和依赖关系的计划。
2. 调度第一个任务（depends_on 为空的那个）。
3. 其余任务在依赖解析后自动调度（它们设置了 auto_dispatch=true）。
4. 向用户报告项目 ID 和任务数量，让用户知道启动了什么。
5. 定期使用 get_mission_status 或 get_dashboard() 轮询，直到所有任务达到终态（completed、failed 或 cancelled）。
6. 对每个终态任务调用 get_report(mission_id=...) — 总结成功项并用错误和下一步标注失败项。

手动：逐步控制

1. create_project(name="My Project") → 返回 project_id。
2. 为第一个（根）任务调用 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) → 捕获 root_mission_id。 为每个后续任务调用 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"])。
3. dispatch_mission(mission_id=...) 启动第一个任务链。
4. 完成时调用 get_report(mission_id=...)。

顺序执行并审查

1. create_project(name="...") → 获取 project_id。
2. create_mission(project_id=project_id, title="实现功能", prompt="...") → 获取 impl_mission_id。
3. dispatch_mission(mission_id=impl_mission_id)，然后用 get_mission_status 轮询直到完成。
4. get_report(mission_id=impl_mission_id) 审查结果。
5. create_mission(project_id=project_id, title="审查", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) — 由于依赖已满足，自动启动。

指南

• 除非用户说直接开始，否则在调度前始终与用户确认计划。
• 报告状态时包含任务标题和 ID。
• 如果任务失败，在重试前先阅读其报告。
• 批量调度前使用 get_dashboard() 检查智能体槽位可用性。
• 任务依赖关系形成 DAG — 不要创建循环依赖。
• 每个智能体在隔离的 git 工作树中运行，完成后自动合并。如果发生合并冲突，更改保留在智能体的工作树分支上等待手动解决。
• 手动创建任务时，如果希望它们在依赖完成后自动触发，请始终设置 auto_dispatch=true。没有此标志，任务将保持 draft 状态。