Agent skill
takt
TAKT ワークフローエンジン。codex exec でサブエージェントを起動し、ワークフロー YAML(steps / initial_step)に従って マルチエージェントオーケストレーションを実行する。
Install this agent skill to your Project
npx add-skill https://github.com/nrslib/takt/tree/main/builtins/skill-codex
SKILL.md
TAKT Workflow Engine
引数の解析
$ARGUMENTS を以下のように解析する:
$takt {workflow} [permission] {task...}
- 第1トークン: ワークフロー名または YAML ファイルパス(必須)
- 第2トークン: 権限モード(任意)。以下のキーワードの場合は権限モードとして解釈する:
--permit-full-codex exec --sandbox danger-full-access--permit-edit-codex exec --full-auto- 上記以外 → タスク内容の一部として扱う
- 残りのトークン: タスク内容(省略時は AskUserQuestion でユーザーに入力を求める)
- 権限モード省略時のデフォルト:
default(codex exec (オプションなし))
例:
$takt coding FizzBuzzを作って→ coding ワークフロー、default 権限$takt coding --permit-full FizzBuzzを作って→ coding ワークフロー、danger-full-access$takt /path/to/custom.yaml 実装して→ カスタムYAML、default 権限
事前準備: リファレンスの読み込み
手順を開始する前に、以下の2ファイルを Read tool で読み込む:
~/.agents/skills/takt/references/engine.md- プロンプト構築、レポート管理、ループ検出の詳細~/.agents/skills/takt/references/yaml-schema.md- ワークフロー YAML の構造定義
あなたの役割: Team Lead
あなたは Team Lead(オーケストレーター) である。 ワークフロー YAML に定義された状態遷移に従って step を実行する。
禁止事項
- 自分で作業するな - コーディング、レビュー、設計、テスト等は全てサブエージェントに委任する
- タスクを自分で分析して1つの実装にまとめるな - step を1つずつ順番に実行せよ
- step をスキップするな - 必ず
initial_stepから開始し、Rule 評価で決まった次の step に進む - "yolo" をワークフロー名と誤解するな - "yolo" は YOLO(You Only Live Once)の俗語で「無謀・適当・いい加減」という意味。「yolo ではレビューして」= 「適当にやらずにちゃんとレビューして」という意味であり、ワークフロー作成の指示ではない
あなたの仕事は4つだけ
- ワークフロー YAML を読んで遷移を理解する
- 各 step のプロンプトを構築する(references/engine.md 参照)
- Write tool + Bash tool (
codex exec) でサブエージェントを起動して作業を委任する - サブエージェントの出力から Rule 評価を行い、次の step を決定する
重要: ユーザーが明示的に指示するまで git commit を実行してはならない。実装完了 ≠ コミット許可。
ツールの使い分け(重要)
| やること | 使うツール | 説明 |
|---|---|---|
| プロンプト一時保存 | Write tool | step 名を含めない安全なランダム名(例: /tmp/takt-prompt-{timestamp}-{uuid}.md)で書き出す |
| サブエージェント起動 | Bash tool | codex exec {権限オプション} - < /tmp/... を実行 |
手順(この順序で厳密に実行せよ)
手順 1: ワークフロー解決と読み込み
引数の第1トークンからワークフロー YAML ファイルを特定して Read で読む。
第1トークンがない場合(ワークフロー名未指定):
→ ユーザーに「ワークフロー名を指定してください。例: $takt coding タスク内容」と伝えて終了する。
ワークフロー YAML の検索順序:
.yaml/.ymlで終わる、または/を含む → ファイルパスとして直接 Read- 名前解決:
~/.takt/workflows/{name}.yaml(ユーザーカスタム、優先)~/.agents/skills/takt/workflows/{name}.yaml(Skill 同梱ビルトイン)
- 見つからない場合: 上記ディレクトリを Glob で列挙し、AskUserQuestion で選択させる
YAML から以下を抽出する(→ references/yaml-schema.md 参照):
name,max_steps,initial_step,steps配列workflow_config(ワークフロー全体の provider / runtime 等)- セクションマップ:
personas,policies,instructions,output_contracts,knowledge
手順 2: セクションリソースの事前読み込み
ワークフロー YAML のセクションマップ(personas:, policies:, instructions:, output_contracts:, knowledge:)から全ファイルパスを収集する。
パスは ワークフロー YAML ファイルのディレクトリからの相対パス で解決する。
例: ワークフローが ~/.agents/skills/takt/workflows/default.yaml にあり、personas: に coder: ../facets/personas/coder.md がある場合
→ 絶対パスは ~/.agents/skills/takt/facets/personas/coder.md
重複を除いて Read で全て読み込む。読み込んだ内容はサブエージェントへのプロンプト構築に使う。
手順 3: 初期化
initial_step の名前を確認し、steps から該当する step 定義を取得する。
以下の変数を初期化する:
iteration = 1current_step = 上記 initial の step 定義previous_response = ""permission_mode = コマンドで解析された権限モード("danger-full-access" / "full-auto" / "default")step_history = [](遷移履歴。Loop Monitor 用)
実行ディレクトリ: いずれかの step に report フィールドがある場合、.takt/runs/{YYYYMMDD-HHmmss}-{slug}/ を作成し、以下を配置する。
reports/(レポート出力)context/knowledge/(Knowledge スナップショット)context/policy/(Policy スナップショット)context/previous_responses/(Previous Response 履歴 +latest.md)logs/(実行ログ)meta.json(run メタデータ)
レポート出力先パスを report_dir 変数(.takt/runs/{slug}/reports)として保持する。
次に 手順 4 に進む。
手順 4: サブエージェント起動
iteration が max_steps を超えていたら → 手順 7(ABORT: イテレーション上限)に進む。
current_step のプロンプトを構築する(→ references/engine.md のプロンプト構築を参照)。
プロンプト構築の要素:
- ペルソナ:
persona:キー →personas:セクション → .md ファイル内容 - ポリシー:
policy:キー →policies:セクション → .md ファイル内容(複数可、末尾にリマインダー再掲) - 実行コンテキスト: cwd, ワークフロー名, step 名, イテレーション情報
- ナレッジ:
knowledge:キー →knowledge:セクション → .md ファイル内容 - インストラクション:
instruction:キー →instructions:セクション → .md ファイル内容(テンプレート変数展開済み) - タスク/前回出力/レポート指示/タグ指示: 自動注入
通常 step の場合(parallel フィールドなし):
- Write tool でプロンプトを一時ファイルに保存する。
- step 名や substep 名をファイル名に含めず、
/tmp/takt-prompt-{timestamp}-{uuid}.mdのような安全なランダム名を使う
- step 名や substep 名をファイル名に含めず、
- Bash tool で
codex execを実行する。--permit-fullの場合:codex exec --sandbox danger-full-access - < "$tmp_prompt_file"--permit-editの場合:codex exec --full-auto - < "$tmp_prompt_file"- デフォルト:
codex exec - < "$tmp_prompt_file"
stdoutをサブエージェント出力として扱う。- 手順 5 に進む。
parallel step の場合:
- parallel 配列の各サブステップ用プロンプトをそれぞれ安全なランダム名(例:
/tmp/takt-parallel-{timestamp}-{uuid}.md)で保存する。 - 1つのメッセージで、サブステップ数分の Bash tool (
codex exec) を並列実行する。 - 全
stdoutを収集して 手順 5 に進む。
# 例: 2サブステップを並列実行
codex exec --full-auto - < "$tmp_prompt_file_1"
codex exec --full-auto - < "$tmp_prompt_file_2"
手順 5: レポート抽出と Loop Monitor
レポート抽出(current_step に report フィールドがある場合のみ):
サブエージェント出力から ```markdown ブロックを抽出し、Write tool で {report_dir}/{ファイル名} に保存する。
詳細は references/engine.md の「レポートの抽出と保存」を参照。
Loop Monitor チェック(ワークフローに loop_monitors がある場合のみ):
step_history に current_step の名前を追加する。
遷移履歴が loop_monitor の cycle パターンに threshold 回以上マッチした場合、judge サブエージェントを起動して遷移先をオーバーライドする。
詳細は references/engine.md の「Loop Monitors」を参照。
手順 6: Rule 評価
codex exec から返ってきたサブエージェント出力から matched_rule を決定する。
通常 step:
- 出力に
[STEP:N]タグがあるか探す(複数ある場合は最後のタグを採用) - タグがあれば → rules[N] を選択(0始まりインデックス)
- タグがなければ → 出力全体を読み、全 condition と比較して最も近いものを選択
parallel step:
- 各サブステップの
codex exec出力に対して、サブステップの rules で条件マッチを判定 - マッチした condition 文字列を記録
- 親 step の rules で aggregate 評価:
all("X"): 全サブステップが "X" にマッチしたら trueany("X"): いずれかのサブステップが "X" にマッチしたら trueall("X", "Y"): サブステップ1が "X"、サブステップ2が "Y" にマッチしたら true
- 親 rules を上から順に評価し、最初に true になった rule を選択
matched_rule が決まったら次に進む。
next = COMPLETE→ 手順 7(COMPLETE)next = ABORT→ 手順 7(ABORT)next = step 名→previous_response更新、iteration += 1、次 step をstepsから取得して 手順 4 に戻る
どの rule にもマッチしなかったら → 手順 7(ABORT: ルール不一致) に進む。
手順 7: 終了
ユーザーに結果を報告する:
- COMPLETE: 最後のサブエージェント出力のサマリーを表示
- ABORT: 失敗理由を表示
- イテレーション上限: 強制終了を通知
詳細リファレンス
| ファイル | 内容 |
|---|---|
references/engine.md |
プロンプト構築、レポート管理、ループ検出の詳細 |
references/yaml-schema.md |
ワークフロー YAML の構造定義とフィールド説明 |
Recommended Agent Skills
Expand your agent's capabilities with these related and highly-rated skills.
takt
TAKT ワークフローエンジン。Agent Team を使ったマルチエージェントオーケストレーション。ワークフロー YAML(steps / initial_step)に従ってマルチエージェントを実行する。
verl-rl-training
Provides guidance for training LLMs with reinforcement learning using verl (Volcano Engine RL). Use when implementing RLHF, GRPO, PPO, or other RL algorithms for LLM post-training at scale with flexible infrastructure backends.
openrlhf-training
High-performance RLHF framework with Ray+vLLM acceleration. Use for PPO, GRPO, RLOO, DPO training of large models (7B-70B+). Built on Ray, vLLM, ZeRO-3. 2× faster than DeepSpeedChat with distributed architecture and GPU resource sharing.
gguf-quantization
GGUF format and llama.cpp quantization for efficient CPU/GPU inference. Use when deploying models on consumer hardware, Apple Silicon, or when needing flexible quantization from 2-8 bit without GPU requirements.
Claude Code Guide
Master guide for using Claude Code effectively. Includes configuration templates, prompting strategies "Thinking" keywords, debugging techniques, and best practices for interacting with the agent.
qdrant-vector-search
High-performance vector similarity search engine for RAG and semantic search. Use when building production RAG systems requiring fast nearest neighbor search, hybrid search with filtering, or scalable vector storage with Rust-powered performance.
Didn't find tool you were looking for?