convez.ai
AgenteAutomaçãoAvançado
joysoull

Code Agent

joysoull/code-agent

Agent Python com sistema de tarefas, memória durável e ferramentas avançadas

Ver no GitHub
InicialPluginScore · de 0 a 100

Agent em Python inspirado no code-agent do Claude, implementando um harness completo com loop de agente, registro de ferramentas, gestão de memória durável e sistema de tarefas persistente. Inclui controle de permissões, pipeline de hooks, compactação de contexto e recuperação de erros com fallback de modelo.

Instalação

$npx convez-ai joysoull/code-agent

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
28%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Automação de fluxos de codificação complexos com planejamento multi-etapa
  • Desenvolvimento de agents que manipulam arquivos com controle granular de permissões
  • Construção de sistemas que gerenciam contexto longo e recuperam de erros automaticamente

Veredito

Projeto educacional robusto que documenta evolução de um coding-agent em 12 estágios (S01-S12), cobrindo arquitetura, ferramentas, memória e resilência. Bem estruturado para aprender padrões avançados, mas é mais repositório didático que ferramenta pronta para produção.

README

A tradução para o português deste README ainda está na fila.

code-agent

code-agent is a learning repository for building a Python coding-agent harness step by step from the updated tutorial series.

The runnable project lives in my-agent/. Its implementation currently covers S01-S12.

Current Progress

  • S01: CLI, provider abstraction, Anthropic-compatible provider, agent loop, and bash tool.
  • S02: tool registry plus read_file, write_file, edit_file, and glob.
  • S03: permission policy, deny list, and terminal approval for destructive actions.
  • S04: hook pipeline for user prompt, pre-tool, post-tool, and stop events.
  • S05: todo_write planning tool and todo update reminders.
  • S06: task subagent tool with isolated child context and limited child tools.
  • S07: skill registry and load_skill tool.
  • S08: compaction pipeline, compact tool, transcripts, large tool-result spillover, and reactive compaction.
  • S09: durable memory selection, extraction, consolidation, and request-time memory injection.
  • S10: runtime system prompt assembly, real-state prompt context, and deterministic prompt caching.
  • S11: error recovery for max-token truncation, prompt-too-long reactive compaction, 429/529 retry, and optional fallback model switching.
  • S12: persistent task graph stored in .tasks/, with dependency-aware create_task, list_tasks, get_task, claim_task, and complete_task tools.

Repository Layout

my-agent/                  Python package, tests, and CLI entry point
docs/superpowers/specs/    Implementation specs
docs/superpowers/plans/    Executable implementation plans

Run Tests

cd my-agent
.\.venv\Scripts\python -m pytest

Run CLI

Create my-agent/.env:

ANTHROPIC_API_KEY=...
ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
MODEL_ID=deepseek-v4-pro
FALLBACK_MODEL_ID=deepseek-v4

Then run:

cd my-agent
.\.venv\Scripts\python -m my_agent.cli

The CLI currently starts as:

my-agent s12: Task System
s12 >>

More Details

See my-agent/README.md for the subproject notes and example prompts.

Ver o original no GitHub

Bom para

Relacionados