agentleFS
greekr4greekr4/viruagent-cli/.claude/skills/viruagent-orchestrator/skill.md

viruagent-orchestrator

Skill39 starsChanged 8 months agoMITView on GitHub

viruagent-cli 개발 파이프라인을 조율하는 오케스트레이터. AdVooster 코드 분석 → 프로바이더 구현 → 스킬 생성 → QA 검증을 순차 실행. '카페 기능 추가', '프로바이더 포팅', 'AdVooster 기능 가져와', '새 기능 개발 파이프라인' 등을 언급하면 이 스킬을 사용할 것.

The file

Files
skill.md

viruagent-cli Development Orchestrator

AdVooster에서 기능을 분석하고 viruagent-cli에 구현하는 전체 파이프라인을 조율한다.

실행 모드: 서브 에이전트

에이전트 구성

에이전트에이전트 정의역할스킬출력
advooster-analyzer.claude/agents/advooster-analyzer.mdAdVooster 코드 분석advooster-analyze_workspace/01_analysis.md
provider-builder.claude/agents/provider-builder.md프로바이더 코드 구현provider-buildsrc/providers/ 코드
skill-writer.claude/agents/skill-writer.md스킬 파일 생성skill-writeskills/ 파일
qa-verifier.claude/agents/qa-verifier.md변경사항 검증qa-verify_workspace/qa_result.md

워크플로우

Phase 1: 준비

  1. 사용자 요청에서 포팅할 기능을 파악한다 (예: "카페 API", "카페 가입")
  2. 작업 디렉토리에 _workspace/ 생성
  3. 요청 내용을 _workspace/00_request.md에 기록

Phase 2: AdVooster 분석 (advooster-analyzer)

실행 방식: 순차 — 분석 결과가 구현의 입력이 됨

Agent(
  name: "advooster-analyzer",
  prompt: "<에이전트 정의 읽기> + <스킬 읽기> + 분석 대상 모듈 지정",
  model: "opus",
  run_in_background: false
)

에이전트는 AdVooster의 해당 Python 파일들을 읽고 분석 결과를 _workspace/01_analysis.md에 저장한다.

Phase 3: 프로바이더 구현 (provider-builder)

분석 결과를 기반으로 viruagent-cli 프로바이더 코드를 구현한다.

Agent(
  name: "provider-builder",
  prompt: "<에이전트 정의 읽기> + <스킬 읽기> + _workspace/01_analysis.md 읽기 + 구현 지시",
  model: "opus",
  run_in_background: false
)

구현 범위:

  • src/providers/{name}/ 하위 파일 생성/수정
  • src/services/providerManager.js 등록
  • src/runner.js 커맨드 추가
  • bin/index.js CLI 정의 추가

Phase 4: 스킬 생성 (skill-writer)

새로 구현된 기능에 대한 스킬 파일을 생성한다.

Agent(
  name: "skill-writer",
  prompt: "<에이전트 정의 읽기> + <스킬 읽기> + 구현된 기능 확인 + 스킬 생성 지시",
  model: "opus",
  run_in_background: false
)

Phase 5: QA 검증 (qa-verifier)

변경사항 전체를 검증한다.

Agent(
  name: "qa-verifier",
  prompt: "<에이전트 정의 읽기> + <스킬 읽기> + 검증 대상 파일 목록 + 검증 실행",
  model: "opus",
  run_in_background: false
)

Phase 6: 정리

  1. _workspace/ 보존 (감사 추적용)
  2. 사용자에게 결과 요약:
    • 분석된 AdVooster 모듈
    • 생성/수정된 파일 목록
    • 추가된 CLI 커맨드
    • QA 결과 (통과/실패)

데이터 흐름

[사용자 요청]
     ↓
[advooster-analyzer] → _workspace/01_analysis.md
     ↓
[provider-builder] → src/providers/ 코드 생성
     ↓
[skill-writer] → skills/ 스킬 파일 생성
     ↓
[qa-verifier] → _workspace/qa_result.md
     ↓
[결과 요약 → 사용자]

에러 핸들링

상황전략
AdVooster 파일 읽기 실패가용한 파일만 분석, 누락 파일 보고
분석 결과 불완전사용자에게 수동 확인 요청 후 구현 진행
프로바이더 구현 중 기존 코드 충돌충돌 지점 보고, 사용자 판단 대기
QA 실패 항목 발생실패 항목과 수정 방향 보고, 자동 수정 시도 1회

테스트 시나리오

정상 흐름

  1. 사용자: "AdVooster의 카페 API와 카페 가입 기능을 추가해"
  2. Phase 2: cafe_api.py, cafe.py, cafe_join.py 분석 → _workspace/01_analysis.md
  3. Phase 3: src/providers/naver/ 에 카페 관련 메서드 추가
  4. Phase 4: skills/va-naver-cafe/SKILL.md 등 스킬 파일 생성
  5. Phase 5: viruagent-cli list-providers, --spec 검증 통과
  6. 결과: 새 커맨드 사용 가능

에러 흐름

  1. Phase 2에서 cafe_api.py 파일이 없거나 읽기 실패
  2. analyzer가 가용한 파일(cafe.py, cafe_join.py)만 분석
  3. 분석 결과에 "cafe_api.py 분석 불가 — API 엔드포인트 수동 확인 필요" 명시
  4. Phase 3에서 불완전한 분석 기반으로 구현, TODO 표시
  5. 사용자에게 수동 보완 필요 항목 보고

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.