mcpbeat Sign in

Workflow Runner Agent Skill

by jnMetaCode

在 Claude Code / OpenClaw / Cursor 中直接运行 agency-orchestrator YAML 工作流——无需 API key，使用当前会话的 LLM 作为执行引擎。当用户提供 .yaml 工作流文件或要求多角色协作完成任务时触发。

2k tokens
context cost
the whole folder, loaded on every use
1
files
instructions only
0
copies elsewhere
how many repositories repackaged it
7432
stars on the repo
on the repository, not the skill itself

Install

one command, takes just this skill from the repository 
npx skills add https://github.com/jnMetaCode/superpowers-zh --skill workflow-runner

The instruction itself

12 sections, as written by the author

工作流执行器：在 AI 工具内运行多角色编排

直接在当前会话中执行 agency-orchestrator 的 YAML 工作流，无需配置 API key。当前 LLM 就是执行引擎——依次扮演每个角色完成任务。

适用场景

  • 用户提供了一个 .yaml 工作流文件（如 运行 workflows/story-creation.yaml）
  • 用户要求多个角色协作完成任务（如"用产品经理和架构师一起评审这个 PRD"）
  • 用户安装了 agency-agents-zh 并希望直接在 AI 工具内编排多角色

执行流程（5 步）

按以下顺序执行，不要跳步：

第 1 步：解析工作流

用 Read 工具读取用户指定的 YAML 文件，提取以下字段：

name: "工作流名称"
agents_dir: "agency-agents-zh"    # 角色定义目录
inputs:                            # 输入变量
  - name: xxx
    required: true/false
    default: "默认值"
steps:                             # 执行步骤
  - id: step_id
    role: "category/agent-name"    # 角色路径
    task: "任务描述 {{变量}}"       # 支持模板变量
    output: variable_name          # 输出变量名
    depends_on: [other_step_id]    # 依赖关系

忽略 llm、concurrency、timeout、retry 配置——Skill 模式使用当前会话的 LLM，这些字段仅用于 CLI 模式。

定位角色目录：用 Bash test -d 按以下顺序检查，用第一个存在的：

  • 当前工作目录下的 {agents_dir}/（如 ./agency-agents-zh/）
  • ../{agents_dir}/（上级目录）
  • 相对于 YAML 文件所在目录的 {agents_dir}/
  • node_modules/agency-agents-zh/

如果全部找不到，停止执行并提示用户：

找不到角色目录。请先安装：
  git clone --depth 1 https://github.com/jnMetaCode/agency-agents-zh.git
  或：npm install agency-agents-zh

第 2 步：收集输入

  • 对每个 required: true 的输入，检查用户消息中是否已提供值
  • 未提供的必填输入：立即向用户询问，不要猜测或用空值
  • 有 default 的可选输入：使用默认值
  • 无默认值的可选输入：设为空字符串

第 3 步：构建执行顺序

根据 depends_on 进行拓扑排序，将步骤分成多个层级：

  • 无 depends_on 的步骤 → 第 1 层
  • depends_on 全部在第 N 层或之前的步骤 → 第 N+1 层
  • 同一层内的步骤互不依赖，可并行

在回复中展示执行计划：

执行计划（共 N 步）：
  第 1 层: [step_id] — 角色名
  第 2 层: [step_a, step_b] — 并行
  第 3 层: [step_id] — 角色名

第 4 步：逐层执行

对每一层：

4a. 预读角色文件

用 Read 工具读取该层所有步骤的角色 .md 文件：{角色目录}/{role}.md

从文件中提取：

  • 角色名：frontmatter 中的 name 字段
  • 角色 system prompt：第二个 --- 之后的全部 markdown 内容
4b. 渲染 task 模板

将 task 中的 {{变量名}} 替换为：

  • 来自 inputs 的用户输入值
  • 来自前序步骤 output 的结果文本
4c. 执行

单步骤层：直接在主会话中扮演该角色执行。格式：

### Step N/Total: step_id（角色名）

[以该角色身份完成 task，使用角色的专业知识和沟通风格]

多步骤层（并行）：使用 Agent 工具为每个步骤启动子代理。每个子代理的 prompt 必须包含：

  • 角色文件的完整文本内容（不是路径——子代理可能无法读文件）
  • 渲染后的 task 文本
  • 指令："以上是你的角色定义，请以该角色身份完成以下任务，直接输出结果"
4d. 保存输出到上下文

如果 step 有 output 字段，将该步骤的输出文本存入变量上下文，供后续步骤的 {{变量}} 使用。

第 5 步：保存结果并展示

用 Write 工具将结果保存到文件：

.ao-output/{工作流名称}-{YYYY-MM-DD}/
├── steps/
│   ├── 1-{step_id}.md       # 每步的输出
│   ├── 2-{step_id}.md
│   └── ...
├── summary.md                # 最后一步的完整输出（最终成果）
└── metadata.json             # 基本元数据

metadata.json 格式：

{
  "name": "工作流名称",
  "date": "2026-03-22",
  "success": true,
  "steps": [
    {"id": "step_id", "role": "category/agent", "status": "completed"},
    ...
  ]
}

执行完毕后，向用户展示：

  • 最终成果（summary.md 的内容）
  • 文件保存位置
  • 执行了几个步骤

重要规则

<HARD-GATE>

  • 每个步骤都必须真正扮演对应角色，使用该角色的专业知识和沟通风格，不能泛泛回答
  • 角色切换必须明确——每步开始时标注角色名
  • 不要跳过步骤或合并步骤，严格按 DAG 层级顺序执行
  • 如果角色文件找不到，告知用户并建议安装 agency-agents-zh
  • 不要在没有读取角色 .md 文件的情况下执行步骤——必须先 Read 再执行

</HARD-GATE>

没有 YAML 文件时的快捷模式

如果用户没有指定 YAML 文件，但描述了需要多角色协作的任务：

  • 根据用户描述，自动生成 YAML 工作流定义
  • 展示给用户确认
  • 确认后按上述流程执行

示例：

  • 用户说"帮我用叙事学家和心理学家写个故事" → 生成 story-creation 类似的工作流
  • 用户说"让产品经理和架构师评审这个 PRD" → 生成 product-review 类似的工作流

故障处理

  • 角色文件不存在：提示用户运行 ao init 或 npm install agency-agents-zh
  • 模板变量未定义：检查上下文，如果是必填输入则向用户询问
  • 步骤执行失败：标记该步骤为失败，跳过所有依赖它的下游步骤，继续执行其他独立步骤

Other skills for the same job

different authors, same section of the catalogue
GitHub Project Management
by ComeOnOliver
×3

Comprehensive GitHub project management with swarm-coordinated issue tracking, project board automation, and sprint planning

14k tokens
Folder Structure Blueprint Generator
by github
vendor ×1

Comprehensive technology-agnostic prompt for analyzing and documenting project folder structures. Auto-detects project types (.NET, Java, React, Angular, Python, Node.js, Flutter), generates detailed blueprints with visualization options, naming conventions, file placement patterns, and extension templates for maintaining consistent code organization across diverse technology stacks.

3k tokens
Sequential Thinking
by mrgoonie
×1

Use when complex problems require systematic step-by-step reasoning with ability to revise thoughts, branch into alternative approaches, or dynamically adjust scope. Ideal for multi-stage analysis, design planning, problem decomposition, or tasks with initially unclear scope.

4k tokens
Openserv Multi Agent Workflows
by internet-court
×1

Multi-agent workflow examples to work together on the OpenServ Platform. Covers agent discovery, multi-agent workspaces, task dependencies, and workflow orchestration using the Platform Client. Read reference.md for the full API reference. Read openserv-agent-sdk and openserv-client for building and running agents.

24k tokens
Caveman Compress
by HoangNguyen0403
×1

> Compress natural language memory files (CLAUDE.md, todos, preferences) into caveman format to save input tokens. Preserves all technical substance, code, URLs, and structure. Compressed version overwrites the original file. Human-readable backup saved as FILE.original.md.

7k tokens scripts
API Patterns
by lingxling
×1

API design principles and decision-making. REST vs GraphQL vs tRPC selection, response formats, versioning, pagination.

5k tokens scripts
Github Workflow Automation
by lingxling
×1

Patterns for automating GitHub workflows with AI assistance, inspired by [Gemini CLI](https://github.com/google-gemini/gemini-cli) and modern DevOps practices.

5k tokens
Domain Identification Grouping
by christophacham
×1

Groups existing components into logical business domains to plan service-based architecture. Use when asking "which components belong together?", "group these into services", "organize by domain", "component-to-domain mapping", or planning service extraction from an existing codebase. Do NOT use for identifying new domains from scratch (use domain-analysis) or analyzing coupling (use coupling-analysis).

10k tokens

How to use it

Copy the folder

Take jnmetacode/workflow-runner from the repository into ~/.claude/skills for personal use, or into .claude/skills inside a project.

Check the name does not clash

The agent identifies a skill by the name field in its header. Two skills with the same name cannot sit side by side — one of them will be ignored.

Install what it needs

The instructions reference npm. Without those the skill loads but fails at the first command.