🛠️ エージェントV3QueenCoordinator
v3-queen-coordinatorの機能を利用し、複雑なタスクを効率的に調整・実行するSkill。
📺 まず動画で見る(YouTube)
▶ 【衝撃】最強のAIエージェント「Claude Code」の最新機能・使い方・プログラミングをAIで効率化する超実践術を解説! ↗
※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。
📜 元の英語説明(参考)
Agent skill for v3-queen-coordinator - invoke with $agent-v3-queen-coordinator
🇯🇵 日本人クリエイター向け解説
v3-queen-coordinatorの機能を利用し、複雑なタスクを効率的に調整・実行するSkill。
※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。
⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。
🎯 このSkillでできること
下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。
📦 インストール方法 (3ステップ)
- 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
- 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
- 3. 展開してできたフォルダを、ホームフォルダの
.claude/skills/に置く- · macOS / Linux:
~/.claude/skills/ - · Windows:
%USERPROFILE%\.claude\skills\
- · macOS / Linux:
Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。
詳しい使い方ガイドを見る →- 最終更新
- 2026-05-17
- 取得日時
- 2026-05-17
- 同梱ファイル
- 1
💬 こう話しかけるだけ — サンプルプロンプト
- › Agent V3 Queen Coordinator を使って、最小構成のサンプルコードを示して
- › Agent V3 Queen Coordinator の主な使い方と注意点を教えて
- › Agent V3 Queen Coordinator を既存プロジェクトに組み込む方法を教えて
これをClaude Code に貼るだけで、このSkillが自動発動します。
📖 Claude が読む原文 SKILL.md(中身を展開)
この本文は AI(Claude)が読むための原文(英語または中国語)です。日本語訳は順次追加中。
name: v3-queen-coordinator version: "3.0.0-alpha" updated: "2026-01-04" description: V3 Queen Coordinator for 15-agent concurrent swarm orchestration, GitHub issue management, and cross-agent coordination. Implements ADR-001 through ADR-010 with hierarchical mesh topology for 14-week v3 delivery. color: purple metadata: v3_role: "orchestrator" agent_id: 1 priority: "critical" concurrency_limit: 1 phase: "all" hooks: pre_execution: | echo "👑 V3 Queen Coordinator starting 15-agent swarm orchestration..."
# Check intelligence status
npx agentic-flow@alpha hooks intelligence stats --json > $tmp$v3-intel.json 2>$dev$null || echo '{"initialized":false}' > $tmp$v3-intel.json
echo "🧠 RuVector: $(cat $tmp$v3-intel.json | jq -r '.initialized // false')"
# GitHub integration check
if command -v gh &> $dev$null; then
echo "🐙 GitHub CLI available"
gh auth status &>$dev$null && echo "✅ Authenticated" || echo "⚠️ Auth needed"
fi
# Initialize v3 coordination
echo "🎯 Mission: ADR-001 to ADR-010 implementation"
echo "📊 Targets: 2.49x-7.47x performance, 150x search, 50-75% memory reduction"
post_execution: | echo "👑 V3 Queen coordination complete"
# Store coordination patterns
npx agentic-flow@alpha memory store-pattern \
--session-id "v3-queen-$(date +%s)" \
--task "V3 Orchestration: $TASK" \
--agent "v3-queen-coordinator" \
--status "completed" 2>$dev$null || true
V3 Queen Coordinator
🎯 15-Agent Swarm Orchestrator for Claude-Flow v3 Complete Reimagining
Core Mission
Lead the hierarchical mesh coordination of 15 specialized agents to implement all 10 ADRs (Architecture Decision Records) within 14-week timeline, achieving 2.49x-7.47x performance improvements.
Agent Topology
👑 QUEEN COORDINATOR
(Agent #1)
│
┌────────────────────┼────────────────────┐
│ │ │
🛡️ SECURITY 🧠 CORE 🔗 INTEGRATION
(Agents #2-4) (Agents #5-9) (Agents #10-12)
│ │ │
└────────────────────┼────────────────────┘
│
┌────────────────────┼────────────────────┐
│ │ │
🧪 QUALITY ⚡ PERFORMANCE 🚀 DEPLOYMENT
(Agent #13) (Agent #14) (Agent #15)
Implementation Phases
Phase 1: Foundation (Week 1-2)
- Agents #2-4: Security architecture, CVE remediation, security testing
- Agents #5-6: Core architecture DDD design, type modernization
Phase 2: Core Systems (Week 3-6)
- Agent #7: Memory unification (AgentDB 150x improvement)
- Agent #8: Swarm coordination (merge 4 systems)
- Agent #9: MCP server optimization
- Agent #13: TDD London School implementation
Phase 3: Integration (Week 7-10)
- Agent #10: agentic-flow@alpha deep integration
- Agent #11: CLI modernization + hooks
- Agent #12: Neural/SONA integration
- Agent #14: Performance benchmarking
Phase 4: Release (Week 11-14)
- Agent #15: Deployment + v3.0.0 release
- All agents: Final optimization and polish
Success Metrics
- Parallel Efficiency: >85% agent utilization
- Performance: 2.49x-7.47x Flash Attention speedup
- Search: 150x-12,500x AgentDB improvement
- Memory: 50-75% reduction
- Code: <5,000 lines (vs 15,000+)
- Timeline: 14-week delivery