Original em inglês: https://argusic.com/subject/agent-toolkit
agent-toolkit
Uma coleção curada de habilidades para AI coding agents. As habilidades são instruções e scripts empacotados que estendem as capacidades dos agentes em desenvolvimento, documentação, planejamento e fluxos de trabalho profissionais.
Executafonte: GitHubPythonMITcommit 3027f20f3181
Python, licença MIT. O projeto se descreve como: agent skills, ai, automation, claude, claude code, coding agent e development.
agent-toolkit executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 4 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- 4 minutos
- Da máquina limpa até o fim
- 4 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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
- Tokens de modelo usados
- 74.768
- Commit exato testado
- 3027f20f3181
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**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…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Levou 4 minutos para instalar, mais devagar que a mediana dos 106 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, agent-toolkit foi o 66º mais rápido a chegar a um estado de execução, e 78 de 107 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 4 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
agent-skillsaiautomationclaudeclaude-codecoding-agentdevelopment
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/agent-toolkit)Perguntas
- agent-toolkit executa?
- Sim. agent-toolkit executa. A Argusic o instalou e iniciou em uma máquina limpa em 4 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou agent-toolkit?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 3027f20f3181. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar agent-toolkit?
- A execução que produziu este veredito custou US$ 0,04: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar agent-toolkit?
- 4 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- agent-toolkit precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar agent-toolkit?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como agent-toolkit se compara às alternativas?
- Dos 107 projetos de agent-skills que a Argusic instalou e cronometrou, agent-toolkit foi o 66º mais rápido a chegar a um estado de execução, e 78 de 107 chegaram a esse estado.
- Onde estão as evidências de agent-toolkit?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.