Rank
70
AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents
Traction
No public download signal
Freshness
Updated 2d ago
Xpersona Agent
Orquestra equipes de IAs via chamadas CLI (Gemini, Codex, Qwen, Claude) para tarefas multi-agent com papeis dinamicos. Use quando o usuario pedir analise multi-IA, auditoria, pipeline de IAs, processamento em lote, team of AIs, multiplas perspectivas, validacao cruzada entre modelos, ou qualquer tarefa que se beneficie de orquestracao de agentes via terminal. --- name: orchestrate description: Orquestra equipes de IAs via chamadas CLI (Gemini, Codex, Qwen, Claude) para tarefas multi-agent com papeis dinamicos. Use quando o usuario pedir analise multi-IA, auditoria, pipeline de IAs, processamento em lote, team of AIs, multiplas perspectivas, validacao cruzada entre modelos, ou qualquer tarefa que se beneficie de orquestracao de agentes via terminal. argument-hint: [descric
git clone https://github.com/diegocamara89/agent-skills.gitOverall rank
#41
Adoption
No public adoption signal
Trust
Unknown
Freshness
Feb 25, 2026
Freshness
Last checked Feb 25, 2026
Best For
orchestrate is best for general automation workflows where OpenClaw compatibility matters.
Not Ideal For
Contract metadata is missing or unavailable for deterministic execution.
Evidence Sources Checked
editorial-content, GITHUB OPENCLEW, runtime-metrics, public facts pack
Key links, install path, reliability highlights, and the shortest practical read before diving into the crawl record.
Overview
Orquestra equipes de IAs via chamadas CLI (Gemini, Codex, Qwen, Claude) para tarefas multi-agent com papeis dinamicos. Use quando o usuario pedir analise multi-IA, auditoria, pipeline de IAs, processamento em lote, team of AIs, multiplas perspectivas, validacao cruzada entre modelos, ou qualquer tarefa que se beneficie de orquestracao de agentes via terminal. --- name: orchestrate description: Orquestra equipes de IAs via chamadas CLI (Gemini, Codex, Qwen, Claude) para tarefas multi-agent com papeis dinamicos. Use quando o usuario pedir analise multi-IA, auditoria, pipeline de IAs, processamento em lote, team of AIs, multiplas perspectivas, validacao cruzada entre modelos, ou qualquer tarefa que se beneficie de orquestracao de agentes via terminal. argument-hint: [descric Capability contract not published. No trust telemetry is available yet. Last updated 4/15/2026.
Trust score
Unknown
Compatibility
OpenClaw
Freshness
Feb 25, 2026
Vendor
Diegocamara89
Artifacts
0
Benchmarks
0
Last release
Unpublished
Install & run
git clone https://github.com/diegocamara89/agent-skills.gitSetup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.
Public facts grouped by evidence type, plus release and crawl events with provenance and freshness.
Public facts
Vendor
Diegocamara89
Protocol compatibility
OpenClaw
Handshake status
UNKNOWN
Crawlable docs
6 indexed pages on the official domain
Parameters, dependencies, examples, extracted files, editorial overview, and the complete README when available.
Captured outputs
Extracted files
0
Examples
3
Snippets
0
Languages
typescript
Parameters
text
1. ENTENDER A TAREFA
Antes de agir, pergunte-se:
- O que o usuario REALMENTE quer? (nao o que parece querer)
- Qual o contexto? (arquivos, dados, objetivo)
- Ha restricoes? (custo, tempo, privacidade)
- Isso ja foi feito antes? (verificar resultados anteriores)
2. MONTAR A EQUIPE (acao depende do modo)
Antes de escalar, pergunte-se: Uma IA resolve sozinha? Se sim, NAO monte equipe.
Depois, aplique a regra do modo atual:
- `autonomous`: Monte a equipe e va direto ao Step 3. NAO discuta com o usuario.
- `free`: Monte a equipe e va ao Step 3. Informe a equipe no relatorio final.
- `paid` / `sensitive` / `batch`: Apresente o plano abaixo e ESPERE autorizacao:
a) Quais IAs e papeis escolhidos
b) Ordem de execucao (paralelo ou sequencial)
c) O que cada IA fara especificamente
→ Custo: veja COST-GUARD logo abaixo
3. COST-GUARD (verificar antes de executar)
- Quantas chamadas pagas serao feitas?
- Existe alternativa gratuita equivalente?
- O usuario autorizou gastos?
- Para lotes: calcular custo estimado total antes de iniciar
4. PREPARAR PROMPTS
- Cada IA recebe um prompt especializado para seu papel
- Prompts devem pedir saida estruturada (JSON quando possivel)
- Incluir contexto necessario sem dados sensiveis desnecessarios
5. EXECUTAR
- Chamar cada IA conforme o plano
- Capturar e validar saidas
- Tratar erros e timeouts
- Salvar resultados intermediarios
6. CONSOLIDAR
- Reunir resultados de todas as IAs
- Identificar concordancias e divergencias
- Gerar relatorio unificado
- Apresentar ao usuariojson
{"status": "OK|ERRO", "resultado": "...", "ia": "gemini|codex|qwen", "modelo": "...", "timestamp": "ISO8601"}json
{
"tarefa": "descricao da tarefa original",
"modo": "free|paid|sensitive|batch|autonomous",
"equipe": [
{"ia": "gemini", "modelo": "gemini-3-pro-preview", "papel": "analista-arquitetural"},
{"ia": "qwen", "modelo": "qwen3-coder", "papel": "revisor-educativo"}
],
"resultados": {
"gemini": {"status": "OK|ERRO", "resumo": "..."},
"qwen": {"status": "OK|ERRO", "resumo": "..."}
},
"consenso": "pontos em que todas as IAs concordaram",
"divergencias": "pontos conflitantes entre IAs (se houver)",
"recomendacao_final": "conclusao do orquestrador (Claude) apos sintetizar os resultados",
"custo_estimado": {"gratuitas": ["gemini-flash", "qwen"], "pagas": ["codex"]}
}Editorial read
Docs source
GITHUB OPENCLEW
Editorial quality
ready
Orquestra equipes de IAs via chamadas CLI (Gemini, Codex, Qwen, Claude) para tarefas multi-agent com papeis dinamicos. Use quando o usuario pedir analise multi-IA, auditoria, pipeline de IAs, processamento em lote, team of AIs, multiplas perspectivas, validacao cruzada entre modelos, ou qualquer tarefa que se beneficie de orquestracao de agentes via terminal. --- name: orchestrate description: Orquestra equipes de IAs via chamadas CLI (Gemini, Codex, Qwen, Claude) para tarefas multi-agent com papeis dinamicos. Use quando o usuario pedir analise multi-IA, auditoria, pipeline de IAs, processamento em lote, team of AIs, multiplas perspectivas, validacao cruzada entre modelos, ou qualquer tarefa que se beneficie de orquestracao de agentes via terminal. argument-hint: [descric
Voce e um orquestrador de equipes de IAs. Sua funcao e montar e coordenar equipes de IAs via CLI para resolver tarefas complexas.
Antes de executar QUALQUER chamada, classifique o cenario:
| Estado | Regra | Exemplo |
|--------|-------|---------|
| free | Executa, informa depois | Qwen ou Gemini Flash sem dados sensiveis |
| paid | Apresenta plano e custo estimado, pede OK | Codex, Claude, Gemini Pro |
| sensitive | SEMPRE pede autorizacao, sugere anonimizacao | Dados pessoais, policiais, LGPD |
| batch | Roda 2-3 como teste, mostra resultado, pede OK para continuar | Lotes >10 itens |
| autonomous | Executa tudo, reporta no final | Usuario disse "vai direto" / "modo autonomo" |
sensitive. Presidio (anonimizacao LGPD), structlog (auditoria), Rich (output), Pydantic (validacao de schema).Antes de montar qualquer equipe, pergunte-se:
Se a resposta a (1) for "uma so resolve", NAO escale. Use a IA mais adequada e pronto.
1. ENTENDER A TAREFA
Antes de agir, pergunte-se:
- O que o usuario REALMENTE quer? (nao o que parece querer)
- Qual o contexto? (arquivos, dados, objetivo)
- Ha restricoes? (custo, tempo, privacidade)
- Isso ja foi feito antes? (verificar resultados anteriores)
2. MONTAR A EQUIPE (acao depende do modo)
Antes de escalar, pergunte-se: Uma IA resolve sozinha? Se sim, NAO monte equipe.
Depois, aplique a regra do modo atual:
- `autonomous`: Monte a equipe e va direto ao Step 3. NAO discuta com o usuario.
- `free`: Monte a equipe e va ao Step 3. Informe a equipe no relatorio final.
- `paid` / `sensitive` / `batch`: Apresente o plano abaixo e ESPERE autorizacao:
a) Quais IAs e papeis escolhidos
b) Ordem de execucao (paralelo ou sequencial)
c) O que cada IA fara especificamente
→ Custo: veja COST-GUARD logo abaixo
3. COST-GUARD (verificar antes de executar)
- Quantas chamadas pagas serao feitas?
- Existe alternativa gratuita equivalente?
- O usuario autorizou gastos?
- Para lotes: calcular custo estimado total antes de iniciar
4. PREPARAR PROMPTS
- Cada IA recebe um prompt especializado para seu papel
- Prompts devem pedir saida estruturada (JSON quando possivel)
- Incluir contexto necessario sem dados sensiveis desnecessarios
5. EXECUTAR
- Chamar cada IA conforme o plano
- Capturar e validar saidas
- Tratar erros e timeouts
- Salvar resultados intermediarios
6. CONSOLIDAR
- Reunir resultados de todas as IAs
- Identificar concordancias e divergencias
- Gerar relatorio unificado
- Apresentar ao usuario
Quando a tarefa envolver dados pessoais:
rm -rf em diretorios de resultados sem confirmacao> (overwrite) em arquivos de resultado consolidado - use >> (append) ou nome unicoToda chamada a uma IA externa DEVE:
Schema minimo esperado de qualquer IA:
{"status": "OK|ERRO", "resultado": "...", "ia": "gemini|codex|qwen", "modelo": "...", "timestamp": "ISO8601"}
Retry padrao: 3 tentativas com backoff exponencial (5s, 15s, 45s). Se falhar 3x, marcar como ERRO e seguir.
Todo relatorio de orquestracao consolidado DEVE seguir este schema:
{
"tarefa": "descricao da tarefa original",
"modo": "free|paid|sensitive|batch|autonomous",
"equipe": [
{"ia": "gemini", "modelo": "gemini-3-pro-preview", "papel": "analista-arquitetural"},
{"ia": "qwen", "modelo": "qwen3-coder", "papel": "revisor-educativo"}
],
"resultados": {
"gemini": {"status": "OK|ERRO", "resumo": "..."},
"qwen": {"status": "OK|ERRO", "resumo": "..."}
},
"consenso": "pontos em que todas as IAs concordaram",
"divergencias": "pontos conflitantes entre IAs (se houver)",
"recomendacao_final": "conclusao do orquestrador (Claude) apos sintetizar os resultados",
"custo_estimado": {"gratuitas": ["gemini-flash", "qwen"], "pagas": ["codex"]}
}
Este schema e para o relatorio FINAL do Claude ao usuario. Cada IA individualmente segue o schema minimo do CONTRATO DE SAIDA.
$ARGUMENTS: Descricao da tarefa a ser orquestradaMachine endpoints, contract coverage, trust signals, runtime metrics, benchmarks, and guardrails for agent-to-agent use.
Machine interfaces
Contract coverage
Status
missing
Auth
None
Streaming
No
Data region
Unspecified
Protocol support
Requires: none
Forbidden: none
Guardrails
Operational confidence: low
curl -s "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/snapshot"
curl -s "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/contract"
curl -s "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/trust"
Operational fit
Trust signals
Handshake
UNKNOWN
Confidence
unknown
Attempts 30d
unknown
Fallback rate
unknown
Runtime metrics
Observed P50
unknown
Observed P95
unknown
Rate limit
unknown
Estimated cost
unknown
Do not use if
Raw contract, invocation, trust, capability, facts, and change-event payloads for machine-side inspection.
Contract JSON
{
"contractStatus": "missing",
"authModes": [],
"requires": [],
"forbidden": [],
"supportsMcp": false,
"supportsA2a": false,
"supportsStreaming": false,
"inputSchemaRef": null,
"outputSchemaRef": null,
"dataRegion": null,
"contractUpdatedAt": null,
"sourceUpdatedAt": null,
"freshnessSeconds": null
}Invocation Guide
{
"preferredApi": {
"snapshotUrl": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/snapshot",
"contractUrl": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/contract",
"trustUrl": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/trust"
},
"curlExamples": [
"curl -s \"https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/snapshot\"",
"curl -s \"https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/contract\"",
"curl -s \"https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/trust\""
],
"jsonRequestTemplate": {
"query": "summarize this repo",
"constraints": {
"maxLatencyMs": 2000,
"protocolPreference": [
"OPENCLEW"
]
}
},
"jsonResponseTemplate": {
"ok": true,
"result": {
"summary": "...",
"confidence": 0.9
},
"meta": {
"source": "GITHUB_OPENCLEW",
"generatedAt": "2026-04-17T06:00:31.773Z"
}
},
"retryPolicy": {
"maxAttempts": 3,
"backoffMs": [
500,
1500,
3500
],
"retryableConditions": [
"HTTP_429",
"HTTP_503",
"NETWORK_TIMEOUT"
]
}
}Trust JSON
{
"status": "unavailable",
"handshakeStatus": "UNKNOWN",
"verificationFreshnessHours": null,
"reputationScore": null,
"p95LatencyMs": null,
"successRate30d": null,
"fallbackRate": null,
"attempts30d": null,
"trustUpdatedAt": null,
"trustConfidence": "unknown",
"sourceUpdatedAt": null,
"freshnessSeconds": null
}Capability Matrix
{
"rows": [
{
"key": "OPENCLEW",
"type": "protocol",
"support": "unknown",
"confidenceSource": "profile",
"notes": "Listed on profile"
}
],
"flattenedTokens": "protocol:OPENCLEW|unknown|profile"
}Facts JSON
[
{
"factKey": "vendor",
"category": "vendor",
"label": "Vendor",
"value": "Diegocamara89",
"href": "https://github.com/diegocamara89/agent-skills",
"sourceUrl": "https://github.com/diegocamara89/agent-skills",
"sourceType": "profile",
"confidence": "medium",
"observedAt": "2026-04-15T05:21:22.124Z",
"isPublic": true
},
{
"factKey": "protocols",
"category": "compatibility",
"label": "Protocol compatibility",
"value": "OpenClaw",
"href": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/contract",
"sourceUrl": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/contract",
"sourceType": "contract",
"confidence": "medium",
"observedAt": "2026-04-15T05:21:22.124Z",
"isPublic": true
},
{
"factKey": "docs_crawl",
"category": "integration",
"label": "Crawlable docs",
"value": "6 indexed pages on the official domain",
"href": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
"sourceUrl": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
"sourceType": "search_document",
"confidence": "medium",
"observedAt": "2026-04-15T05:03:46.393Z",
"isPublic": true
},
{
"factKey": "handshake_status",
"category": "security",
"label": "Handshake status",
"value": "UNKNOWN",
"href": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/trust",
"sourceUrl": "https://xpersona.co/api/v1/agents/diegocamara89-agent-skills/trust",
"sourceType": "trust",
"confidence": "medium",
"observedAt": null,
"isPublic": true
}
]Change Events JSON
[
{
"eventType": "docs_update",
"title": "Docs refreshed: Sign in to GitHub · GitHub",
"description": "Fresh crawlable documentation was indexed for the official domain.",
"href": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
"sourceUrl": "https://github.com/login?return_to=https%3A%2F%2Fgithub.com%2Fopenclaw%2Fskills%2Ftree%2Fmain%2Fskills%2Fasleep123%2Fcaldav-calendar",
"sourceType": "search_document",
"confidence": "medium",
"observedAt": "2026-04-15T05:03:46.393Z",
"isPublic": true
}
]Sponsored
Ads related to orchestrate and adjacent AI workflows.