Code Agent
joysoull/code-agent
Agent Python com sistema de tarefas, memória durável e ferramentas avançadas
Ver no GitHubAgent 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-agent1 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
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, andglob. - 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_writeplanning tool and todo update reminders. - S06:
tasksubagent tool with isolated child context and limited child tools. - S07: skill registry and
load_skilltool. - S08: compaction pipeline,
compacttool, 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-awarecreate_task,list_tasks,get_task,claim_task, andcomplete_tasktools.
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.