agenthatch CLI
CLI компилирует файл SKILL.md в самостоятельного Python-агента с инструментами, поиском по базе знаний и собственным запуском.
- 73 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Генерация и самопроверка вызывают внешнюю модель и расходуют токены провайдера.
- Сгенерированный агент запускает собственные инструменты и хранит ключ в файле настроек.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/agenthatchОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Генерация и самопроверка вызывают внешнюю модель и расходуют токены провайдера.
- Сгенерированный агент запускает собственные инструменты и хранит ключ в файле настроек.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
agenthatch рассматривает SKILL.md как исходный код. Команда `agenthatch hatch` разбирает файл детерминированно, затем шесть специализированных проходов модели извлекают из него спецификацию, а шаблоны Jinja2 превращают ее в пакет Python: свой `pyproject.toml`, точка входа CLI, типизированные инструменты, подключение MCP и файл настроек запуска. После генерации агент проверяет собственный `tools.py`: ищет неопределенные переменные и заглушки, запускает каждый инструмент с пробными параметрами и при ошибках просит модель переписать функцию, до трех кругов. Если передать вторым аргументом папку со справочными файлами, рядом собирается индекс SQLite FTS и появляется инструмент `retrieve()`: агент отвечает по архиву и называет файл-источник для каждого утверждения.
Для кого. Тем, у кого накопилось больше трех SKILL.md и кто хочет получить из них настоящие программы, а не инструкции для модели.
Подходит, если
- Скилл нужен как отдельная программа, которую можно импортировать и запускать вне Claude Code.
- Из папки справочных документов делают агента, который отвечает строго по архиву.
- Перед сборкой хотят просмотреть спецификацию флагом `--no-generate` или `--dry-run`.
- Один и тот же скилл запускают на разных моделях, включая локальные через Ollama.
Не подходит, если
- Скилл короткий и работает как есть: компиляция добавит лишний слой.
- Нет доступа ни к одному из поддерживаемых провайдеров моделей: сборка использует ИИ-проходы.
- Нужен детерминированный результат без вызовов модели при генерации.
Пример запроса к агенту
Добавь мой SKILL.md в agenthatch, собери из него агента с базой знаний из папки ./docs и покажи отчет самопроверки.Ограничения
Нужен Python 3.11 или новее. Сборка вызывает модель шесть раз подряд плюс этап самопроверки, поэтому расходует токены выбранного провайдера, а ключ записывается в `runtime.toml` сгенерированного агента, его нельзя публиковать. Автор называет проект личным, который ищет первых участников. Качество агента зависит от того, насколько подробно описан скилл: расплывчатый текст даст расплывчатую спецификацию. Результат проверяют до запуска на реальных данных.
Как отключить. Выполните `pip uninstall agenthatch`. Каталог `~/.agenthatch/` с настройками провайдера и «домом скиллов» удалите вручную, сгенерированных агентов тоже.
Частые вопросы
Какие провайдеры моделей поддерживаются?
OpenAI, Anthropic, DeepSeek, GLM, Qwen, Ollama и любой совместимый с OpenAI адрес. Настройки лежат в TOML-файле `~/.agenthatch/`.
Что внутри сгенерированного агента?
Пакет с `agent.py`, `tools.py`, `references.py`, манифестом `agenthatch.yaml`, исходным скиллом и файлом `runtime.toml`. В режиме базы знаний добавляется индекс.
Как собрать агента с базой знаний?
Передайте вторым аргументом папку: `agenthatch hatch my-skill ./my-knowledge-base`. Агент отвечает только по индексу и сообщает об этом, если запрос вне него.
Можно ли посмотреть спецификацию до генерации кода?
Да. Флаг `--no-generate` пропускает третий этап, а `--dry-run` показывает план без записи файлов. Флаг `--force` перезаписывает прежнего агента.
Как устроено планирование во время работы?
Агент использует конечный автомат из шести состояний: запуск, планирование, исполнение, проверка, перепланирование и завершение. При сбое инструмента он перестраивает шаги.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыCLI askit для скиллов агентов: проверка структуры, поиск опасного кода, тесты, создание новых скиллов и экспорт в любого агента.
HEXIS компилирует SKILL.md в конечный автомат: порядок шагов задает программа, а модель рассуждает только внутри состояний.
Метаскилл превращает разрозненные правила в AGENTS.md, CLAUDE.md и Cursor в один проверяемый скилл проекта с маршрутами задач.
Консольный менеджер скиллов: ставит их из маркетплейса, GitHub, приватного Git и npm в папки 45 агентов и сканирует перед установкой
CLI-менеджер скиллов для ИИ-агентов: установка из репозиториев, перевод между форматами разных агентов и раскладка в их конфигурацию
Мета-скилл ведет от размытой идеи к готовому скиллу: проектирует, пишет файлы, проверяет и дорабатывает по результатам
Коротко о README
Проект делит сборку на три этапа: разбор файла без ИИ, шесть проходов модели с перекрестной проверкой и генерация кода из шаблонов. Результат сохраняется в «доме скиллов» и запускается повторно в любое время. README сравнивает SKILL.md и скомпилированного агента по надежности, типам и воспроизводимости.