Экосистема скиллов и инструменты

Введение

В этом уроке мы исследуем растущую экосистему инструментов, плагинов и фреймворков для разработки AI-агентов. Понимание доступных ресурсов критично для выбора правильного инструмента под вашу задачу.

Claude Skills и плагины для Claude Code

Что такое Skills?

Skills — это переиспользуемые наборы инструкций (файлы SKILL.md) в Claude Code, которые расширяют возможности AI-агента. Каждый skill инкапсулирует:

• Prompt-инструкции: описание того, что делает skill
• Параметры: входные данные
• Логику выполнения: интеграция с инструментами MCP
• Примеры использования: демонстрация возможностей

Структура SKILL.md

---
name: My Awesome Skill
description: Performs X, Y, Z tasks
tags: [productivity, automation]
---

# Инструкции для AI-агента

[Основной prompt для Claude с описанием логики]

Как создать собственный skill

Шаг 1: Создайте директорию my-skill/

mkdir my-skill
cd my-skill

Шаг 2: Напишите SKILL.md

---
name: Code Analyzer
description: Анализирует код на качество, безопасность и производительность
tags: [development, code-review, security]
---

# Code Analyzer Skill

Проанализируй предоставленный код по следующим критериям:
1. Безопасность (SQL injection, XSS, CSRF)
2. Производительность (O(n^2) циклы, утечки памяти)
3. Читаемость (переменные, структура)
4. Тестируемость (модульность, зависимости)

Выведи отчет в структурированном формате.

Шаг 3: Упакуйте как .skill архив (zip)

zip -r my-skill.skill my-skill/

Шаг 4: Поделитесь в сообществе или используйте локально

Коллекции скиллов сообщества

superpowers — де-факто стандарт (74 700+ stars)

• GitHub: https://github.com/obra/superpowers
• Автор: Jesse Vincent (известный Open Source разработчик)
• 13 скиллов, организованных как единый workflow разработки

Superpowers — не набор отдельных скиллов, а связная система. Агент не бросается писать код, а проходит полный цикл: brainstorming, спецификация, разбивка на задачи (2-5 минут каждая), параллельное выполнение субагентами, двухэтапный code review, TDD (RED-GREEN-REFACTOR).

Установка:

/plugin marketplace add obra/superpowers-marketplace
/plugin install superpowers@superpowers-marketplace

Ключевые возможности:

• Subagent-driven development — автоматическое делегирование задач субагентам
• Строгий TDD: failing test -> minimal code -> pass -> commit
• Git worktrees для изоляции разработки
• Systematic debugging — 4-фазный процесс с root cause analysis
• Автономная работа агента на несколько часов без отклонения от плана

Ограничения:

• Opinionated workflow — навязывает строгий TDD, не подходит для быстрых фиксов
• Subagent-driven development дорог по токенам
• Ориентирован на новые фичи, менее полезен для рефакторинга

antigravity-awesome-skills — крупнейший каталог (22 100+ stars)

• GitHub: https://github.com/sickn33/antigravity-awesome-skills
• 1234+ скиллов в 9 категориях: Architecture, Business, Data & AI, Development, General, Infrastructure, Security, Testing, Workflow

Установка:

npx antigravity-awesome-skills              # автоопределение инструмента
npx antigravity-awesome-skills --claude     # для Claude Code
npx antigravity-awesome-skills --cursor     # для Cursor

Особенности:

• Кросс-платформенность: Claude Code, Cursor, Codex CLI, Gemini CLI, Copilot, Kiro, OpenCode
• Готовые бандлы по ролям (Web Wizard, Security Engineer, OSS Maintainer)
• Пошаговые workflows (Ship a SaaS MVP, Security Audit)
• Веб-приложение для поиска и фильтрации

Ограничения:

• При 1234+ скиллах неизбежна неоднородность качества
• Установка всех скиллов целиком может засорять контекст агента

Agent-Skills-for-Context-Engineering — теория контекста (13 600+ stars)

• GitHub: https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering
• 13 скиллов в 5 группах, академический подход

Не библиотека готовых решений, а образовательный фреймворк. Учит фундаментальным принципам: как деградирует контекст (lost-in-the-middle, poisoning), как его сжимать, оптимизировать, проектировать системы памяти и когнитивные архитектуры. Цитируется в академических исследованиях (Peking University, 2026).

Установка:

/plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering
/plugin install context-engineering-fundamentals@context-engineering-marketplace

5 плагинов: context-engineering-fundamentals, agent-architecture, agent-evaluation, agent-development, cognitive-architecture

Ключевые концепции:

• BDI (Belief-Desire-Intention) когнитивная архитектура
• Progressive disclosure — загружается только нужное
• Системы памяти и semantic caching

Ограничения:

• Теоретический уклон, примеры на Python-псевдокоде
• 13 скиллов — мало для библиотеки, много для учебника

claude-doctor-skill — аудит безопасности

• GitHub: https://github.com/SomeStay07/claude-doctor-skill
• 46 автоматических проверок по 6 слоям: безопасность, фундамент, качество кода, интеллект агентов, контекст, DX

Установка:

curl -sSL https://raw.githubusercontent.com/SomeStay07/claude-doctor-skill/main/install.sh | bash

Устанавливает 15 .md-файлов в .claude/skills/doctor/. Никаких бинарников или зависимостей.

Использование: /doctor (полный аудит), /doctor quick (TOP-3 за 30 секунд), /doctor scan (только диагностика), /doctor fix (автоисправления), /doctor layer 0 (один слой).

Особенности:

• Адаптивный скоринг по зрелости проекта (Starter / Growing / Mature / Pro)
• 14 правил подавления ложных срабатываний
• 9-шаговый план реагирования при утечке секретов
• Двуязычный (русский/английский)

Карта экосистемы скиллов

graph TD
    CC[Claude Code] --- SP[superpowers<br/>13 скиллов<br/>TDD workflow]
    CC --- AG[antigravity<br/>1234+ скиллов<br/>каталог]
    CC --- CE[Context Engineering<br/>13 скиллов<br/>теория контекста]
    CC --- DR[Doctor<br/>46 проверок<br/>аудит безопасности]

    SP ---|Субагенты, код-ревью| DEV[Разработка фич]
    AG ---|Бандлы по ролям| ALL[Все задачи]
    CE ---|BDI, память, кэш| ARCH[Архитектура агентов]
    DR ---|6 слоёв проверок| SEC[Безопасность]

    style CC fill:#f8fafc,stroke:#4f46e5,stroke-width:3px
    style SP fill:#f8fafc,stroke:#059669,stroke-width:2px
    style AG fill:#f8fafc,stroke:#2563eb,stroke-width:2px
    style CE fill:#f8fafc,stroke:#ca8a04,stroke-width:2px
    style DR fill:#f8fafc,stroke:#dc2626,stroke-width:2px
    style DEV fill:#f8fafc,stroke:#e2e8f0,stroke-width:1px
    style ALL fill:#f8fafc,stroke:#e2e8f0,stroke-width:1px
    style ARCH fill:#f8fafc,stroke:#e2e8f0,stroke-width:1px
    style SEC fill:#f8fafc,stroke:#e2e8f0,stroke-width:1px

Сравнительная таблица коллекций скиллов

MCP-серверы сообщества

Что такое MCP?

Model Context Protocol (MCP) — стандарт для подключения AI-моделей к инструментам и сервисам. MCP-серверы предоставляют:

• Интеграцию с внешними системами
• Доступ к файлам, БД, API
• Расширение возможностей агента

Популярные MCP-серверы

Как найти и установить MCP-серверы

Через smithery.ai

• Сайт: https://smithery.ai
• Описание: Реестр экосистемы MCP
• Как использовать: Поиск, копирование команды установки, запуск

Через glama.ai

• Сайт: https://glama.ai
• Описание: Альтернативный реестр с рейтингом
• Как использовать: Фильтрация по категориям, изучение документации

Ручная установка из GitHub

# Пример установки GitHub MCP-сервера
git clone https://github.com/user/mcp-github.git
cd mcp-github
npm install
npm run build

Добавьте в claude.config.json:

{
  "mcp_servers": {
    "github": {
      "path": "path/to/mcp-github",
      "env": {
        "GITHUB_TOKEN": "your_token"
      }
    }
  }
}

Разработка собственного MCP-сервера (мини-гайд)

// my-mcp-server.ts
import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';

const server = new McpServer({
  name: 'my-custom-server',
  version: '1.0.0'
});

server.tool('fetch_data', { endpoint: { type: 'string' } }, async ({ endpoint }) => {
  const response = await fetch(endpoint);
  const data = await response.json();
  return { content: [{ type: 'text', text: JSON.stringify(data) }] };
});

const transport = new StdioServerTransport();
await server.connect(transport);

Фреймворки для мультиагентных систем

Обзор основных фреймворков

CrewAI

• GitHub: https://github.com/crewAIInc/crewAI
• Особенность: Role-based agent teams

agents = [
    Agent(role="Исследователь", goal="Найти информацию"),
    Agent(role="Аналитик", goal="Обработать данные")
]
crew = Crew(agents=agents, tasks=[task1, task2])
crew.kickoff()

• Идеален для: Иерархические задачи с четкими ролями

LangGraph

• GitHub: https://github.com/langchain-ai/langgraph
• Особенность: Graph-based workflows

graph = StateGraph(AgentState)
graph.add_node("agent", run_agent)
graph.add_node("tools", process_tools)
graph.add_edge("agent", "tools")

• Идеален для: Сложные графовые процессы, циклы, условная логика

AutoGen (Microsoft)

• GitHub: https://github.com/microsoft/autogen
• Особенность: Conversation-driven agents

user_proxy = autogen.UserProxyAgent()
assistant = autogen.AssistantAgent(llm_config={"model": "gpt-4"})
user_proxy.initiate_chat(assistant, message="Помогите...")

• Идеален для: Интерактивные мультиагентные диалоги

OpenAI Agents SDK (ранее Swarm)

• GitHub: https://github.com/openai/openai-agents-python
• Особенность: Production-ready agent framework с handoffs

from agents import Agent, Runner

agent_a = Agent(name="A", instructions="Ты помощник.")
agent_b = Agent(name="B", instructions="Ты аналитик.")
result = Runner.run_sync(agent_a, "Помогите проанализировать данные")

• Идеален для: Простая кооперация, передача между агентами
• Примечание: Swarm (github.com/openai/swarm) устарел, замещён этим SDK

Сравнительная таблица

Ресурсы для обучения

Официальная документация

• Claude API Docs: https://docs.anthropic.com
• Claude Code Guide: https://docs.anthropic.com/en/docs/claude-code
• MCP Specification: https://spec.modelcontextprotocol.io

Сообщество

Discord серверы

• Anthropic Community Discord
• LangChain Community
• CrewAI Community

Telegram каналы (русскоязычные)

• AI Agents RU
• Claude Code Developers
• LangChain Russian Community

Habr

• Тег #ai-agents
• Тег #mcp
• Статьи о Claude Code

Бенчмарки и рейтинги моделей

LMSYS Chatbot Arena

• Сайт: https://huggingface.co/spaces/lmsys/chatbot-arena-leaderboard
• Описание: Краудсорсированный рейтинг LLM моделей
• Полезно для: сравнение качества Claude, GPT-4, Llama, Qwen и др.

Open LLM Leaderboard

• Сайт: https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard
• Описание: Объективный рейтинг на стандартных бенчмарках
• Метрики: MMLU, ARC, HellaSwag, TruthfulQA
• Полезно для: выбор открытой модели для локального запуска

Где находить новые модели

• HuggingFace Model Hub: https://huggingface.co/models
• Ollama Library: https://ollama.com/library
• Together AI Model Explorer: https://www.together.ai/models

Курсы и туториалы

Decision Tree: как выбрать инструменты

flowchart TD
    START{Нужна высокая<br/>автономность?} -->|Да| FW{Какой паттерн<br/>взаимодействия?}
    START -->|Нет| SDK[Claude SDK напрямую]

    FW -->|Иерархия ролей| CREW[CrewAI]
    FW -->|Графовая логика| LANG[LangGraph]
    FW -->|Диалоги агентов| AUTO[AutoGen]
    FW -->|Быстрый MVP| OASDK[OpenAI Agents SDK]

    SCALE{Нужна<br/>масштабируемость?} -->|Да| RELAY[Relay Service]
    SCALE -->|Нет| API[Стандартный API]

    TOOLS{Нужны<br/>инструменты?} -->|Интеграции| MCP[MCP-серверы]
    TOOLS -->|Контекст| CE[Context Engineering]
    TOOLS -->|Безопасность| DOC[claude-doctor]
    TOOLS -->|Быстрый старт| ANTI[antigravity skills]

    style START fill:#f8fafc,stroke:#4f46e5,stroke-width:2px
    style FW fill:#f8fafc,stroke:#4f46e5,stroke-width:2px
    style SCALE fill:#f8fafc,stroke:#4f46e5,stroke-width:2px
    style TOOLS fill:#f8fafc,stroke:#4f46e5,stroke-width:2px
    style SDK fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style CREW fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style LANG fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style AUTO fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style OASDK fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style RELAY fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style API fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style MCP fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style CE fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style DOC fill:#f0fdf4,stroke:#059669,stroke-width:2px
    style ANTI fill:#f0fdf4,stroke:#059669,stroke-width:2px

Практический путь для разработчика

Неделя 1: Основы

1. Прочитайте Claude API документацию
2. Установите Claude SDK (pip install anthropic)
3. Напишите первый agent (интеграция с одним инструментом)

Неделя 2: Skills и MCP

1. Создайте свой первый skill
2. Найдите и установите 2-3 MCP-сервера из smithery.ai
3. Интегрируйте MCP-сервер в ваш agent

Неделя 3: Масштабирование

1. Выберите фреймворк (CrewAI или LangGraph)
2. Перепишите agent используя выбранный фреймворк
3. Тестируйте на интеграции с несколькими инструментами

Неделя 4: Production

1. Добавьте логирование и мониторинг
2. Настройте Rate Limiting (или используйте Relay Service)
3. Задеплойте на выбранную платформу

Ссылки и ресурсы (Quick Reference)

Skills и Plugins

• https://github.com/SomeStay07/claude-doctor-skill
• https://github.com/sickn33/antigravity-awesome-skills
• https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering
• https://github.com/obra/superpowers

Infrastructure

• https://github.com/Wei-Shaw/claude-relay-service
• https://github.com/Wei-Shaw/sub2api (CRS 2.0)
• https://github.com/lbjlaq/Antigravity-Manager

MCP и Tools

• https://smithery.ai — MCP Registry
• https://glama.ai — Alternative MCP Registry
• https://spec.modelcontextprotocol.io — MCP Spec

Frameworks

• https://github.com/crewAIInc/crewAI
• https://github.com/langchain-ai/langgraph
• https://github.com/microsoft/autogen
• https://github.com/openai/openai-agents-python

Model Benchmarks

• https://huggingface.co/spaces/lmsys/chatbot-arena-leaderboard
• https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard

Official Docs

• https://docs.anthropic.com
• https://docs.anthropic.com/en/docs/claude-code
• https://spec.modelcontextprotocol.io

Заключение

Экосистема AI-агентов быстро развивается. Ключ к успеху — выбрать правильный набор инструментов для вашей задачи:

1. Стартуйте просто (Claude SDK + 1-2 инструмента)
2. Добавляйте сложность постепенно (skills, MCP-серверы)
3. Масштабируйте с фреймворками (CrewAI, LangGraph)
4. Будьте в курсе (следите за новыми инструментами через GitHub и сообщество)

Помните: лучший инструмент — тот, который вы понимаете и можете быстро переделать под свои нужды.

Домашнее задание

1. Уровень Novice: Установите 2 MCP-сервера и интегрируйте в Claude
2. Уровень Intermediate: Создайте custom skill и поделитесь в сообществе
3. Уровень Advanced: Перепишите существующий agent используя CrewAI или LangGraph