Englisches Original: https://argusic.com/subject/agent-toolkit
agent-toolkit
Eine kuratierte Sammlung von Skills für AI-Coding-Agenten. Skills sind paketierte Anweisungen und Skripte, die die Fähigkeiten von Agenten via Entwicklung, Dokumentation, Planung und professionelle Workflows erweitern.
LäuftQuelle: GitHubPythonMITCommit 3027f20f3181
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent skills, ai, automation, claude, claude code, coding agent und development.
agent-toolkit läuft. Ein Argusic-Agent hat es in 4 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The build script assembles all 56 plugins into dist/ (232 files, 1.7MB), the marketplace.json passes CI validation, dist is in sync with source, version bumping works, and every SKILL.md, Python script, and bash script in the repository is syntactically valid.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
- Installationszeit
- 4 Minuten
- Von der kalten Maschine bis zum Ende
- 4 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python3 scripts/build_plugins.py built 56 plugins/232 files; jq validated marketplace.json schema; git diff confirmed dist up to date; all 43 SKILL.md files have valid frontmatter with name/directory consistency; all 18 .py and 5 .sh files pass syntax checks; all 60 README links resolve; manual skill copy to ~/.claude/skills/ succeeds
- Verbrauchte Modell-Tokens
- 74.768
- Genau getesteter Commit
- 3027f20f3181
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
**What was verified:** - **Build pipeline**: `python3 scripts/build_plugins.py` — built 56 plugins, 232 files, 1.7MB total - **Marketplace validation**: `jq` confirms all required fields (`name`, `owner`, `plugins`, `metad… - **Dist integrity**: `git diff --quiet dist/ .claude-plugin/marketplace.json` — dist is up to date… - **Version bumping**: `python3 scripts/bump_version.py --show` reports 1.0.10; `bump_version.py pa… - **SKILL.md frontmatter**: all 43 skills have valid `name` and `description` fields; directory nam… - **Python scripts**: all 18 `.py` files across repo and skills pass `python3 -m py_compile` - **Bash scripts**: all 5 `.sh` files pass `bash -n` - **README links**: all 60 links in the skills table resolve - **Manual install**: `cp -r skills/codex ~/.claude/skills/` succeeds per README instructions - **CI workflow compatibility**: all checks in `.github/workflows/main.yaml` pass locally **One limitation** (not a repo defect): the `npx skills add` command requires Node.js >=22.20.0 but…
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Die Installation dauerte 4 Minuten, langsamer als der Median der 106 vergleichbaren Projekte, die Argusic gemessen hat.
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte agent-toolkit Platz 66 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 4 Minuten nach dem Klonen.
- Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
agent-skillsaiautomationclaudeclaude-codecoding-agentdevelopment
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/agent-toolkit)Fragen
- Läuft agent-toolkit?
- Ja. agent-toolkit läuft. Argusic hat es auf einer sauberen Maschine in 4 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic agent-toolkit getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 3027f20f3181. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von agent-toolkit gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,04 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von agent-toolkit?
- 4 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht agent-toolkit eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von agent-toolkit schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet agent-toolkit im Vergleich zu Alternativen ab?
- Von den 107 Projekten im Bereich agent-skills, die Argusic installiert und zeitlich gemessen hat, belegte agent-toolkit Platz 66 bei der Zeit bis zum lauffähigen Zustand, und 78 von 107 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für agent-toolkit?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.