AgentDescent — плагин
Параллельная самоэволюция скиллов и промптов: воркеры присылают правки, агрегатор сливает их в один версионируемый артефакт
- 7 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Запуски эволюции вызывают модель по вашему ключу, расход токенов растет с числом раундов и воркеров
- Скрипт `scripts/setup-hosts.sh` меняет настройки установленных агентских CLI, а MCP-инструмент `apply` применяет результат эволюции
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/agentdescentОпределит 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.
- Запуски эволюции вызывают модель по вашему ключу, расход токенов растет с числом раундов и воркеров
- Скрипт `scripts/setup-hosts.sh` меняет настройки установленных агентских CLI, а MCP-инструмент `apply` применяет результат эволюции
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
AgentDescent улучшает скилл, промпт или набор инструкций по примерам с оценкой. Несколько воркеров одновременно прогоняют задачи и возвращают правки в виде диффов, а один агрегатор сливает их: разрешает конфликты, объединяет удачные, проверяет статистически и коммитит в журнал на основе Git. Идея в том, что диффы играют роль градиентов, а агрегатор роль оптимизатора. Вход один, функция `evolve()` из Python-библиотеки. Задачи собираются из набора данных, оценка задается функцией от 0 до 1, модель берется любая с совместимым с OpenAI адресом, либо Claude через `claude()` или CLI Claude Code через `claude_code()`. Результат содержит сам выученный скилл, итоговую оценку на отложенной выборке и разбор исходов. Как плагин AgentDescent подключается к Claude Code, Codex и OpenCode: общий скилл подсказывает агенту, когда запускать эволюцию, MCP-сервер дает инструменты `doctor`, `plan`, `start`, `status`, `show`, `apply`, `cancel` и `resume`, CLI повторяет их. Для пробы есть `agentdescent demo`, он идет офлайн, без ключа, около десяти секунд.
Для кого. Тем, кто поддерживает скиллы или промпты для агентов и хочет улучшать их по измеримой оценке, а не вручную по ощущению.
Подходит, если
- Есть набор примеров с проверкой, и скилл надо улучшить так, чтобы оценка на отложенной выборке выросла
- Последовательное самоулучшение идет по одной правке за итерацию, и нужно запустить несколько воркеров параллельно
- Эволюцию надо запускать и смотреть из агента: `agentdescent doctor` покажет, какие CLI и ключи есть на машине
- Нужна проверка идеи без расходов: офлайн-демо `agentdescent demo` выполняет полную эволюцию без ключа
Не подходит, если
- Нет функции оценки ответа: без нее агрегатору нечем принимать или отклонять правки
- Скилл нужен одноразово и меняется руками: цикл с воркерами и ключом модели не окупится
- Нужна установка Grok Bot в один шаг: для него в README описан каркас, а не автоматическая настройка
Пример запроса к агенту
Запусти agentdescent doctor, затем составь план эволюции моего скилла commit-message по примерам из data/commits.jsonl и покажи его, не запуская start.Ограничения
Цифры из README относятся к конкретным условиям: например, 40 процентов меньше обращений к модели измерены на задаче `dyck_languages` из BBH, а прирост точного совпадения с 0,167 до 0,583 получен на 40 примерах HotpotQA, из них 12 отложены. На свою задачу результат придется проверять.
Каждый запуск делает обращения к модели по вашему ключу, и расход растет с числом раундов и воркеров. Для Python нужна версия 3.9 или новее. Установка плагина идет скриптом `scripts/setup-hosts.sh` из клона репозитория, для Grok Bot есть только каркас с HTTPS-туннелем.
Как отключить. Удалите пакет командой `pip uninstall agentdescent` и уберите записи, которые добавил `scripts/setup-hosts.sh`: скилл агента и блок MCP-сервера в его конфигурации. Файлы плагинов для хоста создаются в `~/.agentdescent/plugins/`.
Частые вопросы
Как установить AgentDescent?
Библиотека ставится командой `pip install "agentdescent>=0.8.0"`, затем `agentdescent demo` проверяет установку офлайн. Для подключения к Claude Code, Codex и OpenCode из клона репозитория запускают `bash scripts/setup-hosts.sh`: скрипт настраивает те агентские CLI, что найдутся на машине.
Какую модель можно использовать?
Любую с адресом, совместимым с OpenAI: он задается `OPENAI_BASE_URL`, ключ в `OPENAI_API_KEY`. В README перечислены DeepSeek, GLM, локальный vLLM и сам OpenAI. Отдельные адаптеры есть для Claude и для CLI Claude Code.
Что агент получает через MCP?
Восемь инструментов: `doctor`, `plan`, `start`, `status`, `show`, `apply`, `cancel`, `resume`. Эволюция, запущенная агентом, потом просматривается из оболочки теми же командами CLI.
Что такое градиент и оптимизатор в этой схеме?
Градиентом считается дифф, предложенный воркером, оптимизатором служит агрегатор. Диффы, в отличие от градиентов, не складываются, поэтому агрегатор разрешает конфликты и объединяет правки, а не усредняет их.
Чем AgentDescent отличается от skill-creator?
skill-creator помогает написать скилл по спецификации. AgentDescent берет готовый скилл или промпт и улучшает его на примерах с оценкой, запуская правки параллельно.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныФреймворк эволюции агентов правит промпты и скиллы параллельными воркерами и оставляет только то, что прошло отложенную проверку.
AI Builder Club Skills
AI Builder Club — Skills
Плагин-маркетплейс для Claude Code: сделать репозиторий готовым к работе агента и запускать самоподдерживающиеся циклы
Плагин для OpenCode запускает команду параллельных агентов с личными сессиями, общей доской задач и перепиской
Скилл от Anthropic для Claude Code: проверяет мультиагентную систему и по замерам сводит подагентов к одному циклу со скиллами.
Прогоняет кодинг-агента по задачам с известными ответами, разбирает провалы и дописывает скиллы и промпты, версии лежат в Git.
Инструмент сборки проверенных скиллов из реального рабочего процесса и управления их жизненным циклом через ваш маркетплейс
Коротко о README
README начинается с таблицы измерений и подписывает условия каждой строки. Затем идут схема из воркеров, агрегатора и четырех подключаемых узлов, установка 0.8.0 из PyPI, быстрый старт от набора данных до выученного скилла и раздел про подключение к агентам. В цифрах указаны доверительные интервалы там, где значимость недостижима.