{
  "schemaVersion": "1.0",
  "item": {
    "slug": "agent-avengers",
    "name": "Agent Avengers",
    "source": "tencent",
    "type": "skill",
    "category": "AI 智能",
    "sourceUrl": "https://clawhub.ai/oozoofrog/agent-avengers",
    "canonicalUrl": "https://clawhub.ai/oozoofrog/agent-avengers",
    "targetPlatform": "OpenClaw"
  },
  "install": {
    "downloadMode": "redirect",
    "downloadUrl": "/downloads/agent-avengers",
    "sourceDownloadUrl": "https://wry-manatee-359.convex.site/api/v1/download?slug=agent-avengers",
    "sourcePlatform": "tencent",
    "targetPlatform": "OpenClaw",
    "installMethod": "Manual import",
    "extraction": "Extract archive",
    "prerequisites": [
      "OpenClaw"
    ],
    "packageFormat": "ZIP package",
    "includedAssets": [
      "README-kr.md",
      "pytest.ini",
      "ANNOUNCEMENT.md",
      "README.md",
      "package.json",
      "SKILL.md"
    ],
    "primaryDoc": "SKILL.md",
    "quickSetup": [
      "Download the package from Yavira.",
      "Extract the archive and review SKILL.md first.",
      "Import or place the package into your OpenClaw setup."
    ],
    "agentAssist": {
      "summary": "Hand the extracted package to your coding agent with a concrete install brief instead of figuring it out manually.",
      "steps": [
        "Download the package from Yavira.",
        "Extract it into a folder your agent can access.",
        "Paste one of the prompts below and point your agent at the extracted folder."
      ],
      "prompts": [
        {
          "label": "New install",
          "body": "I downloaded a skill package from Yavira. Read SKILL.md from the extracted folder and install it by following the included instructions. Then review README.md for any prerequisites, environment setup, or post-install checks. Tell me what you changed and call out any manual steps you could not complete."
        },
        {
          "label": "Upgrade existing",
          "body": "I downloaded an updated skill package from Yavira. Read SKILL.md from the extracted folder, compare it with my current installation, and upgrade it while preserving any custom configuration unless the package docs explicitly say otherwise. Then review README.md for any prerequisites, environment setup, or post-install checks. Summarize what changed and any follow-up checks I should run."
        }
      ]
    },
    "sourceHealth": {
      "source": "tencent",
      "status": "healthy",
      "reason": "direct_download_ok",
      "recommendedAction": "download",
      "checkedAt": "2026-04-23T16:43:11.935Z",
      "expiresAt": "2026-04-30T16:43:11.935Z",
      "httpStatus": 200,
      "finalUrl": "https://wry-manatee-359.convex.site/api/v1/download?slug=4claw-imageboard",
      "contentType": "application/zip",
      "probeMethod": "head",
      "details": {
        "probeUrl": "https://wry-manatee-359.convex.site/api/v1/download?slug=4claw-imageboard",
        "contentDisposition": "attachment; filename=\"4claw-imageboard-1.0.1.zip\"",
        "redirectLocation": null,
        "bodySnippet": null
      },
      "scope": "source",
      "summary": "Source download looks usable.",
      "detail": "Yavira can redirect you to the upstream package for this source.",
      "primaryActionLabel": "Download for OpenClaw",
      "primaryActionHref": "/downloads/agent-avengers"
    },
    "validation": {
      "installChecklist": [
        "Use the Yavira download entry.",
        "Review SKILL.md after the package is downloaded.",
        "Confirm the extracted package contains the expected setup assets."
      ],
      "postInstallChecks": [
        "Confirm the extracted package includes the expected docs or setup files.",
        "Validate the skill or prompts are available in your target agent workspace.",
        "Capture any manual follow-up steps the agent could not complete."
      ]
    },
    "downloadPageUrl": "https://openagent3.xyz/downloads/agent-avengers",
    "agentPageUrl": "https://openagent3.xyz/skills/agent-avengers/agent",
    "manifestUrl": "https://openagent3.xyz/skills/agent-avengers/agent.json",
    "briefUrl": "https://openagent3.xyz/skills/agent-avengers/agent.md"
  },
  "agentAssist": {
    "summary": "Hand the extracted package to your coding agent with a concrete install brief instead of figuring it out manually.",
    "steps": [
      "Download the package from Yavira.",
      "Extract it into a folder your agent can access.",
      "Paste one of the prompts below and point your agent at the extracted folder."
    ],
    "prompts": [
      {
        "label": "New install",
        "body": "I downloaded a skill package from Yavira. Read SKILL.md from the extracted folder and install it by following the included instructions. Then review README.md for any prerequisites, environment setup, or post-install checks. Tell me what you changed and call out any manual steps you could not complete."
      },
      {
        "label": "Upgrade existing",
        "body": "I downloaded an updated skill package from Yavira. Read SKILL.md from the extracted folder, compare it with my current installation, and upgrade it while preserving any custom configuration unless the package docs explicitly say otherwise. Then review README.md for any prerequisites, environment setup, or post-install checks. Summarize what changed and any follow-up checks I should run."
      }
    ]
  },
  "documentation": {
    "source": "clawhub",
    "primaryDoc": "SKILL.md",
    "sections": [
      {
        "title": "🦸 Agent Avengers",
        "body": "\"어벤저스, 어셈블!\" — 복잡한 태스크를 자동으로 에이전트 팀이 처리"
      },
      {
        "title": "핵심 기능",
        "body": "자동 태스크 분해 — 큰 작업을 독립적 서브태스크로 분할\n동적 에이전트 생성 — 각 태스크에 맞는 전문 에이전트 즉석 생성\n병렬 실행 — 독립 태스크는 동시 처리\n자동 통합 — 결과 수집, 검증, 병합\n완료 후 정리 — 임시 에이전트 자동 해제"
      },
      {
        "title": "기본 사용",
        "body": "사용자: \"어벤저스 어셈블! [복잡한 태스크 설명]\""
      },
      {
        "title": "예시",
        "body": "\"어벤저스 어셈블! 경쟁사 A, B, C 분석해서 비교 리포트 만들어줘\"\n\n→ 자동으로:\n  1. 태스크 분해 (3개 리서치 + 1개 통합)\n  2. 에이전트 3개 스폰 (각 회사 담당)\n  3. 병렬 리서치 실행\n  4. 결과 통합 에이전트가 최종 리포트 생성\n  5. 완료 보고"
      },
      {
        "title": "워크플로우",
        "body": "┌─────────────────────────────────────────────────────────────────┐\n│                    🦸 AVENGERS ASSEMBLE                         │\n├─────────────────────────────────────────────────────────────────┤\n│                                                                 │\n│  1️⃣  ANALYZE — 태스크 분석 및 분해                              │\n│      └─ 목표 파악 → 서브태스크 도출 → 의존성 매핑                 │\n│                                                                 │\n│  2️⃣  RECRUIT — 에이전트 팀 구성                                 │\n│      └─ 각 서브태스크에 최적 에이전트 프로필 생성                 │\n│      └─ 에이전트 역할: 🔬연구 🖊️작성 🔍분석 ✅검토 🔧통합        │\n│                                                                 │\n│  3️⃣  DEPLOY — 에이전트 스폰 및 태스크 할당                      │\n│      └─ sessions_spawn으로 병렬 실행                            │\n│      └─ 각 에이전트에 명확한 입력/출력 지정                      │\n│                                                                 │\n│  4️⃣  MONITOR — 진행 상황 추적                                   │\n│      └─ 완료 대기, 실패 시 재시도 또는 대체                      │\n│                                                                 │\n│  5️⃣  ASSEMBLE — 결과 통합                                       │\n│      └─ 모든 산출물 수집 → 검증 → 병합                          │\n│                                                                 │\n│  6️⃣  REPORT — 최종 보고 및 정리                                 │\n│      └─ 사용자에게 결과 전달, 임시 리소스 정리                   │\n│                                                                 │\n└─────────────────────────────────────────────────────────────────┘"
      },
      {
        "title": "🔷 Mode 1: 기존 에이전트 활용",
        "body": "Gateway에 등록된 에이전트들을 조합하여 사용\n\n// 기존 에이전트에게 태스크 전달\nsessions_send({\n  label: \"watson\",      // 기존 에이전트 ID\n  message: \"X 리서치해줘\",\n  timeoutSeconds: 300\n})\n\n장점:\n\n에이전트별 전문성/기억 유지\nDiscord 채널 바인딩 활용 가능\n지속적인 컨텍스트"
      },
      {
        "title": "🔶 Mode 2: 임시 에이전트 스폰",
        "body": "태스크별로 일회성 에이전트 생성\n\n// 임시 서브에이전트 스폰\nsessions_spawn({\n  task: \"X 분석해줘\",\n  model: \"sonnet\",\n  runTimeoutSeconds: 1800,\n  cleanup: \"delete\"\n})\n\n장점:\n\n격리된 실행\n완료 후 자동 정리\n유연한 모델 선택"
      },
      {
        "title": "🟣 Mode 3: 멀티 프로필 (봇 인스턴스)",
        "body": "다른 OpenClaw 프로필/봇을 팀에 참여시킴\n\n# 프로필 목록 예시\nprofiles:\n  - name: \"main\"           # 메인 봇 (카라얀)\n    specialty: [\"조율\", \"통합\"]\n    \n  - name: \"research-bot\"   # 리서치 전용 봇\n    specialty: [\"심층조사\", \"데이터수집\"]\n    model: opus\n    \n  - name: \"code-bot\"       # 코딩 전용 봇\n    specialty: [\"개발\", \"테스트\"]\n    model: opus\n    \n  - name: \"creative-bot\"   # 크리에이티브 봇\n    specialty: [\"디자인\", \"콘텐츠\"]\n    model: gemini\n\n봇 간 통신:\n\n// 다른 프로필의 봇에게 태스크 전달\nsessions_send({\n  sessionKey: \"research-bot:main\",  // 프로필:세션\n  message: \"심층 리서치 요청: X\",\n  timeoutSeconds: 600\n})\n\n장점:\n\n봇별 전용 모델/설정\n병렬 처리 능력 극대화\n각 봇의 전문 스킬 활용\n부하 분산"
      },
      {
        "title": "🔷🔶🟣 Mode 4: 풀 하이브리드 (권장)",
        "body": "기존 에이전트 + 임시 스폰 + 멀티 프로필 통합\n\n예시: \"대규모 경쟁 분석 프로젝트\"\n\n┌─────────────────────────────────────────┐\n│  🟣 research-bot (별도 봇)              │\n│     └── 🔬 watson (에이전트) → A사 조사  │\n│     └── 🔶 temp-1 (스폰) → B사 조사      │\n├─────────────────────────────────────────┤\n│  🟣 code-bot (별도 봇)                  │\n│     └── 💻 분석 스크립트 작성            │\n├─────────────────────────────────────────┤\n│  🔷 main (카라얀)                       │\n│     └── 🔧 결과 통합 + 리포트 생성       │\n└─────────────────────────────────────────┘"
      },
      {
        "title": "avengers.yaml 프로필 섹션",
        "body": "profiles:\n  # 메인 봇 (오케스트레이터 역할)\n  main:\n    role: orchestrator\n    canSpawn: true\n    canDelegate: true\n    \n  # 리서치 전용 봇\n  research-bot:\n    role: specialist\n    specialty: [\"research\", \"analysis\", \"data\"]\n    model: \"anthropic/claude-opus-4-5\"\n    gateway: \"localhost:3001\"  # 별도 포트\n    \n  # 코딩 전용 봇  \n  code-bot:\n    role: specialist\n    specialty: [\"coding\", \"testing\", \"debugging\"]\n    model: \"anthropic/claude-opus-4-5\"\n    gateway: \"localhost:3002\"\n    \n  # 크리에이티브 봇\n  creative-bot:\n    role: specialist\n    specialty: [\"design\", \"image\", \"content\"]\n    model: \"google/gemini-2.5-pro\"\n    gateway: \"localhost:3003\""
      },
      {
        "title": "프로필 간 통신 프로토콜",
        "body": "// 1. 프로필 상태 확인\nconst profiles = await checkProfileStatus([\n  \"research-bot\",\n  \"code-bot\", \n  \"creative-bot\"\n])\n\n// 2. 사용 가능한 프로필에 태스크 분배\nfor (const task of tasks) {\n  const bestProfile = matchProfileToTask(task, profiles)\n  \n  if (bestProfile.type === \"external\") {\n    // 다른 봇에게 전달\n    await sendToProfile(bestProfile.name, task)\n  } else if (bestProfile.type === \"agent\") {\n    // 현재 봇의 에이전트에게\n    await sessions_send({ label: bestProfile.agentId, message: task })\n  } else {\n    // 임시 스폰\n    await sessions_spawn({ task: task.description })\n  }\n}\n\n// 3. 모든 프로필 완료 대기\nawait waitForAllProfiles(assignedTasks)\n\n// 4. 결과 수집 및 통합\nconst results = await collectFromProfiles(assignedTasks)"
      },
      {
        "title": "에이전트 타입",
        "body": "타입이모지역할모델 추천Researcher🔬웹 검색, 데이터 수집sonnetAnalyst🔍데이터 분석, 패턴 발견opusWriter🖊️콘텐츠 작성, 문서화sonnetCoder💻코드 구현, 테스트opusReviewer✅품질 검토, 피드백opusIntegrator🔧결과 병합, 최종 산출물sonnet"
      },
      {
        "title": "에이전트 목록 확인",
        "body": "// 활성 에이전트 조회\nsessions_list({ kinds: [\"agent\"], limit: 10 })\n\n// 또는 agents_list()로 등록된 에이전트 ID 확인\nagents_list()"
      },
      {
        "title": "에이전트별 전문 분야 매핑",
        "body": "avengers.yaml에 정의:\n\nagents:\n  watson:\n    type: researcher\n    specialty: \"심층 리서치, 경쟁 분석\"\n    priority: high\n  \n  picasso:\n    type: creator\n    specialty: \"이미지 생성, 디자인\"\n    priority: medium\n  \n  coder-bot:\n    type: coder\n    specialty: \"코드 구현, 디버깅\"\n    priority: high"
      },
      {
        "title": "자동 에이전트 선택",
        "body": "태스크 분석 시 적합한 기존 에이전트 자동 매칭:\n\n태스크: \"A사 경쟁 분석\"\n  → watson (researcher, 심층 리서치) ✅ 매칭\n\n태스크: \"인포그래픽 만들기\"  \n  → picasso (creator, 디자인) ✅ 매칭\n\n태스크: \"API 연동 코드 작성\"\n  → coder-bot (coder) ✅ 매칭\n  \n태스크: \"B사 조사\" (전문 에이전트 없음)\n  → temp-researcher 스폰 🔶"
      },
      {
        "title": "Phase 1: 태스크 분석",
        "body": "사용자의 요청을 받으면:\n\n## 태스크 분석\n\n**원본 요청:** [사용자 요청 전문]\n\n**목표:** [최종 산출물]\n\n**서브태스크:**\n1. [태스크1] - 담당: [에이전트타입] - 의존성: 없음\n2. [태스크2] - 담당: [에이전트타입] - 의존성: 없음\n3. [태스크3] - 담당: [에이전트타입] - 의존성: 1,2\n\n**병렬 실행 가능:** 1, 2\n**순차 실행 필요:** 3 (1,2 완료 후)"
      },
      {
        "title": "Phase 2: 에이전트 구성",
        "body": "Step 2a: 기존 에이전트 확인\n\n// 사용 가능한 에이전트 목록\nconst availableAgents = agents_list()\nconst activeAgents = sessions_list({ kinds: [\"agent\"] })\n\nStep 2b: 태스크-에이전트 매칭\n\n## 에이전트 배정\n\n| 서브태스크 | 배정 | 모드 | 이유 |\n|------------|------|------|------|\n| A사 리서치 | watson | 기존 | 리서치 전문가 |\n| B사 리서치 | temp-1 | 스폰 | 추가 리소스 필요 |\n| C사 리서치 | temp-2 | 스폰 | 추가 리소스 필요 |\n| 통합 리포트 | temp-integ | 스폰 | 일회성 작업 |\n\nStep 2c: 실행 계획\n\n## 실행 순서\n\n**Phase A (병렬):**\n- watson → A사 리서치\n- temp-1 → B사 리서치  \n- temp-2 → C사 리서치\n\n**Phase B (순차, Phase A 완료 후):**\n- temp-integrator → 결과 통합"
      },
      {
        "title": "Phase 3: 에이전트 디스패치",
        "body": "기존 에이전트 활용\n\n// 기존 에이전트에게 태스크 전달\nsessions_send({\n  label: \"watson\",\n  message: `\n## 태스크: A사 경쟁 분석\n\n### 요청\n- 회사 개요\n- 주요 제품/서비스\n- 시장 포지션\n- 강점/약점\n\n### 출력 형식\n마크다운 리포트\n\n### 완료 후\n\"A사 분석 완료\" 라고 알려줘\n  `,\n  timeoutSeconds: 600\n})\n\n임시 에이전트 스폰\n\nsessions_spawn({\n  task: `\n    [에이전트 역할 설명]\n    \n    ## 태스크\n    ${subtask.description}\n    \n    ## 입력\n    ${subtask.inputs}\n    \n    ## 기대 출력\n    ${subtask.expectedOutput}\n    \n    ## 완료 조건\n    ${subtask.successCriteria}\n  `,\n  model: subtask.recommendedModel,\n  runTimeoutSeconds: 1800,\n  cleanup: \"delete\"\n})"
      },
      {
        "title": "Phase 3: 결과 통합",
        "body": "모든 에이전트 완료 후:\n\n각 에이전트의 산출물 수집\n품질 검증 (성공 기준 충족 여부)\n충돌 해결 (겹치는 내용)\n최종 산출물 생성\n사용자에게 전달"
      },
      {
        "title": "시나리오 1: 경쟁사 분석 (하이브리드 모드)",
        "body": "입력: \"어벤저스 어셈블! A사, B사, C사 경쟁 분석 리포트\"\n\n에이전트 구성:\n├── 🔬 watson (기존) → A사 조사 (전문성 활용)\n├── 🔬 temp-researcher-1 (스폰) → B사 조사\n├── 🔬 temp-researcher-2 (스폰) → C사 조사\n└── 🔧 temp-integrator (스폰) → 비교 리포트 작성\n\n실행:\n1. watson에게 sessions_send로 A사 태스크 전달\n2. temp-1, temp-2 병렬 스폰\n3. 3개 모두 완료 대기\n4. temp-integrator 스폰, 결과 통합\n5. 최종 리포트 전달"
      },
      {
        "title": "시나리오 2: 앱 개발 (전체 스폰)",
        "body": "입력: \"어벤저스 어셈블! 날씨 앱 만들어줘\"\n\n에이전트 구성:\n├── 🔍 temp-analyst → 요구사항 정의\n├── 💻 temp-frontend → UI 구현\n├── 💻 temp-backend → API 연동\n├── ✅ temp-reviewer → 코드 리뷰\n└── 🔧 temp-integrator → 통합 및 테스트\n\n실행:\n1. Analyst 먼저 (요구사항 도출)\n2. Frontend/Backend 2명 병렬\n3. Reviewer가 검토\n4. Integrator가 통합 테스트\n5. 완성된 앱 전달"
      },
      {
        "title": "시나리오 3: 기존 에이전트 팀 활용",
        "body": "입력: \"어벤저스 어셈블! watson이랑 picasso 써서 리서치 + 인포그래픽\"\n\n에이전트 구성:\n├── 🔬 watson (기존) → 심층 리서치\n└── 🎨 picasso (기존) → 인포그래픽 제작 (watson 완료 후)\n\n실행:\n1. sessions_send(watson, \"리서치 태스크\")\n2. watson 완료 대기\n3. sessions_send(picasso, \"인포그래픽 태스크 + watson 결과\")\n4. 최종 전달"
      },
      {
        "title": "시나리오 4: 멀티 프로필 대규모 프로젝트",
        "body": "입력: \"어벤저스 어셈블! 전체 봇 동원해서 신규 서비스 기획부터 개발까지\"\n\n프로필 구성:\n┌─────────────────────────────────────────┐\n│  🟣 research-bot                        │\n│     └── 시장 조사 + 경쟁사 분석          │\n├─────────────────────────────────────────┤\n│  🟣 creative-bot                        │\n│     └── UI/UX 디자인 + 브랜딩            │\n├─────────────────────────────────────────┤\n│  🟣 code-bot                            │\n│     └── 프론트엔드 + 백엔드 개발         │\n├─────────────────────────────────────────┤\n│  🔷 main (카라얀)                       │\n│     └── 오케스트레이션 + 최종 통합        │\n└─────────────────────────────────────────┘\n\n실행:\n1. research-bot에 시장 조사 요청\n2. 조사 완료 → creative-bot에 디자인 요청\n3. 디자인 완료 → code-bot에 개발 요청\n4. main이 전체 통합 및 QA\n5. 최종 산출물 전달"
      },
      {
        "title": "자동 중단 조건",
        "body": "에이전트 실패 3회 연속\n전체 타임아웃 초과 (기본 2시간)\n사용자 취소 요청"
      },
      {
        "title": "안전 장치",
        "body": "각 에이전트는 격리된 세션에서 실행\n파일 수정은 지정된 출력 경로만 허용\n외부 API 호출은 승인된 것만"
      },
      {
        "title": "기본값",
        "body": "avengers:\n  maxAgents: 5              # 동시 에이전트 수 (기존+스폰 합산)\n  maxProfiles: 4            # 동시 사용 프로필 수\n  timeoutMinutes: 120       # 전체 타임아웃\n  retryCount: 2             # 실패 시 재시도\n  defaultModel: \"sonnet\"    # 스폰 에이전트 기본 모델\n  cleanupOnComplete: true   # 완료 후 임시 에이전트 정리\n  preferExisting: true      # 기존 에이전트 우선 사용\n  useMultiProfile: true     # 멀티 프로필 모드 활성화"
      },
      {
        "title": "프로필 설정",
        "body": "profiles:\n  main:\n    role: orchestrator\n    gateway: \"localhost:3000\"\n    \n  research-bot:\n    role: specialist\n    specialty: [\"research\", \"analysis\"]\n    model: opus\n    gateway: \"localhost:3001\"\n    \n  code-bot:\n    role: specialist\n    specialty: [\"coding\", \"testing\"]\n    model: opus\n    gateway: \"localhost:3002\"\n    \n  creative-bot:\n    role: specialist\n    specialty: [\"design\", \"content\"]\n    model: gemini\n    gateway: \"localhost:3003\""
      },
      {
        "title": "에이전트 매핑",
        "body": "agents:\n  # 기존 에이전트 정의\n  watson:\n    type: researcher\n    specialty: [\"리서치\", \"경쟁분석\", \"시장조사\"]\n    model: opus\n    \n  picasso:\n    type: creator  \n    specialty: [\"이미지\", \"디자인\", \"인포그래픽\"]\n    model: gemini-flash\n    \n  coder-bot:\n    type: coder\n    specialty: [\"코딩\", \"API\", \"백엔드\", \"프론트엔드\"]\n    model: opus\n\n  # 스폰 에이전트 템플릿\n  templates:\n    researcher:\n      model: sonnet\n      timeout: 1800\n    analyst:\n      model: opus\n      timeout: 1200\n    writer:\n      model: sonnet\n      timeout: 900\n    coder:\n      model: opus\n      timeout: 2400"
      },
      {
        "title": "1. 🗳️ 경쟁 드래프트 (Competitive Draft)",
        "body": "동일 태스크를 여러 에이전트가 독립적으로 수행 → 결과 비교 → 최고안 선택\n\n태스크: \"마케팅 전략 수립\"\n\n├── 🔷 watson → 전략 A (데이터 기반)\n├── 🔶 temp-strategist-1 → 전략 B (창의적)\n├── 🟣 creative-bot → 전략 C (감성적)\n└── 🗳️ 투표/평가 → 최고안 선택 또는 하이브리드\n\n장점: 다양한 관점, 최적해 도출"
      },
      {
        "title": "2. 🎭 역할 순환 (Role Rotation)",
        "body": "진행 중 역할을 바꿔서 신선한 시각 확보\n\nRound 1:\n├── Agent A: 아이디어 제안\n├── Agent B: 비평\n└── Agent C: 개선\n\nRound 2 (순환):\n├── Agent B: 아이디어 제안\n├── Agent C: 비평\n└── Agent A: 개선\n\n→ 고착화 방지, 다각적 검토"
      },
      {
        "title": "3. ⚔️ 적대적 협력 (Adversarial Collaboration)",
        "body": "한 에이전트가 만들면 다른 에이전트가 공격적으로 비판 → 반복\n\nCreator ──→ 초안 작성\n    ↓\nCritic ──→ \"이건 왜 틀렸는가\" 공격\n    ↓\nCreator ──→ 방어 및 개선\n    ↓\nCritic ──→ 재공격\n    ↓\n(3라운드 반복)\n    ↓\nArbiter ──→ 최종 판정\n\n결과: 훨씬 견고한 산출물"
      },
      {
        "title": "4. 🧬 진화적 선택 (Evolutionary Selection)",
        "body": "여러 솔루션 생성 → 평가 → 상위권 교배 → 반복\n\nGeneration 1:\n├── Solution A (점수: 7)\n├── Solution B (점수: 8) ✓\n├── Solution C (점수: 5)\n└── Solution D (점수: 9) ✓\n\nGeneration 2:\n├── B + D 하이브리드 → E\n├── D 변형 → F\n└── B 변형 → G\n\n... 3세대 반복 → 최적해"
      },
      {
        "title": "5. 🐝 스웜 인텔리전스 (Swarm Intelligence)",
        "body": "많은 마이크로 에이전트가 작은 조각 처리 → 창발적 결과\n\n태스크: \"100개 기업 분석\"\n\nSwarm:\n├── micro-1 → 기업 1-10\n├── micro-2 → 기업 11-20\n├── micro-3 → 기업 21-30\n...\n└── micro-10 → 기업 91-100\n\nAggregator → 패턴 발견, 통합 인사이트"
      },
      {
        "title": "6. 🔗 체인 릴레이 (Chain Relay)",
        "body": "한 에이전트의 출력이 다음 에이전트의 입력 (변형 전달)\n\nAgent A: 원시 데이터 수집\n    ↓ (데이터)\nAgent B: 패턴 추출\n    ↓ (패턴)\nAgent C: 인사이트 도출\n    ↓ (인사이트)\nAgent D: 액션 아이템 생성\n    ↓ (계획)\nAgent E: 실행\n\n각 단계에서 가치 증폭"
      },
      {
        "title": "7. 💭 합의 프로토콜 (Consensus Protocol)",
        "body": "모든 에이전트가 동의해야 진행\n\nProposal: \"이 방향으로 가자\"\n\n├── Agent A: 동의 ✓\n├── Agent B: 반대 ✗ (이유: X)\n├── Agent C: 동의 ✓\n└── Agent D: 조건부 동의\n\n→ 반대 의견 해소 후 재투표\n→ 만장일치 → 진행\n\n위험한 결정에 안전장치"
      },
      {
        "title": "8. 🎪 크로스 도메인 잼 (Cross-Domain Jam)",
        "body": "완전히 다른 분야의 에이전트가 협업\n\n태스크: \"혁신적인 앱 아이디어\"\n\n├── 🎨 Art-Agent: 예술적 관점\n├── 🔬 Science-Agent: 기술적 관점\n├── 📚 History-Agent: 역사적 패턴\n├── 🎮 Game-Agent: 게이미피케이션\n└── 🧘 Philosophy-Agent: 윤리적 고려\n\n→ 예상치 못한 조합에서 혁신 탄생"
      },
      {
        "title": "9. 🪞 메타 관찰자 (Meta Observer)",
        "body": "다른 에이전트들을 관찰하고 코칭하는 에이전트\n\nWorking Agents:\n├── Agent A (작업 중)\n├── Agent B (작업 중)\n└── Agent C (작업 중)\n\nMeta-Observer:\n├── 패턴 감지: \"A와 B가 중복 작업 중\"\n├── 개입: \"B는 다른 방향 시도해봐\"\n├── 조언: \"C의 접근법을 A도 참고해\"\n└── 학습: 성공 패턴 기록\n\n팀 전체 효율성 향상"
      },
      {
        "title": "10. ⏰ 시간 분리 협업 (Time-Horizon Split)",
        "body": "같은 문제를 다른 시간 관점으로 접근\n\n태스크: \"비즈니스 전략\"\n\n├── 🏃 Sprint-Agent: 다음 주 할 일\n├── 🚶 Quarter-Agent: 분기 계획\n├── 🧘 Year-Agent: 연간 비전\n└── 🔮 Decade-Agent: 장기 트렌드\n\n→ 단기-장기 균형 잡힌 전략"
      },
      {
        "title": "11. 🎰 태스크 경매 (Task Auction)",
        "body": "에이전트가 자신감 기반으로 태스크에 입찰\n\nTask: \"복잡한 API 설계\"\n\nBids:\n├── code-bot: 신뢰도 92%, 예상 시간 2h\n├── watson: 신뢰도 65%, 예상 시간 4h\n└── temp-agent: 신뢰도 78%, 예상 시간 3h\n\n→ code-bot 낙찰 (최고 신뢰도)\n→ 실패 시 차순위 시도"
      },
      {
        "title": "12. 🧠 공유 메모리 실시간 동기화",
        "body": "Shared Memory Pool:\n┌────────────────────────────────────────┐\n│  discoveries/                          │\n│  ├── agent-a-finding-1.md             │\n│  ├── agent-b-insight-2.md             │\n│  └── agent-c-connection-3.md          │\n│                                        │\n│  모든 에이전트가 실시간 읽기/쓰기        │\n│  → 발견 즉시 공유 → 시너지              │\n└────────────────────────────────────────┘"
      },
      {
        "title": "통합",
        "body": "이 스킬은 다음 스킬들의 기능을 통합:\n\nagent-council — 에이전트 생성 패턴\nagent-orchestrator — 태스크 분해 및 조율 패턴\n\n기존 스킬들과 함께 사용 가능."
      },
      {
        "title": "트리거 키워드",
        "body": "어벤저스 어셈블\navengers assemble\nagent-avengers\n멀티에이전트 자동화\n에이전트 팀 구성"
      },
      {
        "title": "예시 프롬프트",
        "body": "\"어벤저스 어셈블! 다음 작업을 팀으로 처리해줘: [작업 설명]\"\n\n\"avengers assemble - 이 프로젝트를 병렬로 진행해줘\"\n\n\"멀티에이전트로 자동 처리해줘: [복잡한 요청]\""
      }
    ],
    "body": "🦸 Agent Avengers\n\n\"어벤저스, 어셈블!\" — 복잡한 태스크를 자동으로 에이전트 팀이 처리\n\n핵심 기능\n자동 태스크 분해 — 큰 작업을 독립적 서브태스크로 분할\n동적 에이전트 생성 — 각 태스크에 맞는 전문 에이전트 즉석 생성\n병렬 실행 — 독립 태스크는 동시 처리\n자동 통합 — 결과 수집, 검증, 병합\n완료 후 정리 — 임시 에이전트 자동 해제\n사용법\n기본 사용\n사용자: \"어벤저스 어셈블! [복잡한 태스크 설명]\"\n\n예시\n\"어벤저스 어셈블! 경쟁사 A, B, C 분석해서 비교 리포트 만들어줘\"\n\n→ 자동으로:\n  1. 태스크 분해 (3개 리서치 + 1개 통합)\n  2. 에이전트 3개 스폰 (각 회사 담당)\n  3. 병렬 리서치 실행\n  4. 결과 통합 에이전트가 최종 리포트 생성\n  5. 완료 보고\n\n워크플로우\n┌─────────────────────────────────────────────────────────────────┐\n│                    🦸 AVENGERS ASSEMBLE                         │\n├─────────────────────────────────────────────────────────────────┤\n│                                                                 │\n│  1️⃣  ANALYZE — 태스크 분석 및 분해                              │\n│      └─ 목표 파악 → 서브태스크 도출 → 의존성 매핑                 │\n│                                                                 │\n│  2️⃣  RECRUIT — 에이전트 팀 구성                                 │\n│      └─ 각 서브태스크에 최적 에이전트 프로필 생성                 │\n│      └─ 에이전트 역할: 🔬연구 🖊️작성 🔍분석 ✅검토 🔧통합        │\n│                                                                 │\n│  3️⃣  DEPLOY — 에이전트 스폰 및 태스크 할당                      │\n│      └─ sessions_spawn으로 병렬 실행                            │\n│      └─ 각 에이전트에 명확한 입력/출력 지정                      │\n│                                                                 │\n│  4️⃣  MONITOR — 진행 상황 추적                                   │\n│      └─ 완료 대기, 실패 시 재시도 또는 대체                      │\n│                                                                 │\n│  5️⃣  ASSEMBLE — 결과 통합                                       │\n│      └─ 모든 산출물 수집 → 검증 → 병합                          │\n│                                                                 │\n│  6️⃣  REPORT — 최종 보고 및 정리                                 │\n│      └─ 사용자에게 결과 전달, 임시 리소스 정리                   │\n│                                                                 │\n└─────────────────────────────────────────────────────────────────┘\n\n에이전트 모드\n🔷 Mode 1: 기존 에이전트 활용\n\nGateway에 등록된 에이전트들을 조합하여 사용\n\n// 기존 에이전트에게 태스크 전달\nsessions_send({\n  label: \"watson\",      // 기존 에이전트 ID\n  message: \"X 리서치해줘\",\n  timeoutSeconds: 300\n})\n\n\n장점:\n\n에이전트별 전문성/기억 유지\nDiscord 채널 바인딩 활용 가능\n지속적인 컨텍스트\n🔶 Mode 2: 임시 에이전트 스폰\n\n태스크별로 일회성 에이전트 생성\n\n// 임시 서브에이전트 스폰\nsessions_spawn({\n  task: \"X 분석해줘\",\n  model: \"sonnet\",\n  runTimeoutSeconds: 1800,\n  cleanup: \"delete\"\n})\n\n\n장점:\n\n격리된 실행\n완료 후 자동 정리\n유연한 모델 선택\n🟣 Mode 3: 멀티 프로필 (봇 인스턴스)\n\n다른 OpenClaw 프로필/봇을 팀에 참여시킴\n\n# 프로필 목록 예시\nprofiles:\n  - name: \"main\"           # 메인 봇 (카라얀)\n    specialty: [\"조율\", \"통합\"]\n    \n  - name: \"research-bot\"   # 리서치 전용 봇\n    specialty: [\"심층조사\", \"데이터수집\"]\n    model: opus\n    \n  - name: \"code-bot\"       # 코딩 전용 봇\n    specialty: [\"개발\", \"테스트\"]\n    model: opus\n    \n  - name: \"creative-bot\"   # 크리에이티브 봇\n    specialty: [\"디자인\", \"콘텐츠\"]\n    model: gemini\n\n\n봇 간 통신:\n\n// 다른 프로필의 봇에게 태스크 전달\nsessions_send({\n  sessionKey: \"research-bot:main\",  // 프로필:세션\n  message: \"심층 리서치 요청: X\",\n  timeoutSeconds: 600\n})\n\n\n장점:\n\n봇별 전용 모델/설정\n병렬 처리 능력 극대화\n각 봇의 전문 스킬 활용\n부하 분산\n🔷🔶🟣 Mode 4: 풀 하이브리드 (권장)\n\n기존 에이전트 + 임시 스폰 + 멀티 프로필 통합\n\n예시: \"대규모 경쟁 분석 프로젝트\"\n\n┌─────────────────────────────────────────┐\n│  🟣 research-bot (별도 봇)              │\n│     └── 🔬 watson (에이전트) → A사 조사  │\n│     └── 🔶 temp-1 (스폰) → B사 조사      │\n├─────────────────────────────────────────┤\n│  🟣 code-bot (별도 봇)                  │\n│     └── 💻 분석 스크립트 작성            │\n├─────────────────────────────────────────┤\n│  🔷 main (카라얀)                       │\n│     └── 🔧 결과 통합 + 리포트 생성       │\n└─────────────────────────────────────────┘\n\n프로필 설정\navengers.yaml 프로필 섹션\nprofiles:\n  # 메인 봇 (오케스트레이터 역할)\n  main:\n    role: orchestrator\n    canSpawn: true\n    canDelegate: true\n    \n  # 리서치 전용 봇\n  research-bot:\n    role: specialist\n    specialty: [\"research\", \"analysis\", \"data\"]\n    model: \"anthropic/claude-opus-4-5\"\n    gateway: \"localhost:3001\"  # 별도 포트\n    \n  # 코딩 전용 봇  \n  code-bot:\n    role: specialist\n    specialty: [\"coding\", \"testing\", \"debugging\"]\n    model: \"anthropic/claude-opus-4-5\"\n    gateway: \"localhost:3002\"\n    \n  # 크리에이티브 봇\n  creative-bot:\n    role: specialist\n    specialty: [\"design\", \"image\", \"content\"]\n    model: \"google/gemini-2.5-pro\"\n    gateway: \"localhost:3003\"\n\n프로필 간 통신 프로토콜\n// 1. 프로필 상태 확인\nconst profiles = await checkProfileStatus([\n  \"research-bot\",\n  \"code-bot\", \n  \"creative-bot\"\n])\n\n// 2. 사용 가능한 프로필에 태스크 분배\nfor (const task of tasks) {\n  const bestProfile = matchProfileToTask(task, profiles)\n  \n  if (bestProfile.type === \"external\") {\n    // 다른 봇에게 전달\n    await sendToProfile(bestProfile.name, task)\n  } else if (bestProfile.type === \"agent\") {\n    // 현재 봇의 에이전트에게\n    await sessions_send({ label: bestProfile.agentId, message: task })\n  } else {\n    // 임시 스폰\n    await sessions_spawn({ task: task.description })\n  }\n}\n\n// 3. 모든 프로필 완료 대기\nawait waitForAllProfiles(assignedTasks)\n\n// 4. 결과 수집 및 통합\nconst results = await collectFromProfiles(assignedTasks)\n\n에이전트 타입\n타입\t이모지\t역할\t모델 추천\nResearcher\t🔬\t웹 검색, 데이터 수집\tsonnet\nAnalyst\t🔍\t데이터 분석, 패턴 발견\topus\nWriter\t🖊️\t콘텐츠 작성, 문서화\tsonnet\nCoder\t💻\t코드 구현, 테스트\topus\nReviewer\t✅\t품질 검토, 피드백\topus\nIntegrator\t🔧\t결과 병합, 최종 산출물\tsonnet\n기존 에이전트 연동\n에이전트 목록 확인\n// 활성 에이전트 조회\nsessions_list({ kinds: [\"agent\"], limit: 10 })\n\n// 또는 agents_list()로 등록된 에이전트 ID 확인\nagents_list()\n\n에이전트별 전문 분야 매핑\n\navengers.yaml에 정의:\n\nagents:\n  watson:\n    type: researcher\n    specialty: \"심층 리서치, 경쟁 분석\"\n    priority: high\n  \n  picasso:\n    type: creator\n    specialty: \"이미지 생성, 디자인\"\n    priority: medium\n  \n  coder-bot:\n    type: coder\n    specialty: \"코드 구현, 디버깅\"\n    priority: high\n\n자동 에이전트 선택\n\n태스크 분석 시 적합한 기존 에이전트 자동 매칭:\n\n태스크: \"A사 경쟁 분석\"\n  → watson (researcher, 심층 리서치) ✅ 매칭\n\n태스크: \"인포그래픽 만들기\"  \n  → picasso (creator, 디자인) ✅ 매칭\n\n태스크: \"API 연동 코드 작성\"\n  → coder-bot (coder) ✅ 매칭\n  \n태스크: \"B사 조사\" (전문 에이전트 없음)\n  → temp-researcher 스폰 🔶\n\n실행 방법\nPhase 1: 태스크 분석\n\n사용자의 요청을 받으면:\n\n## 태스크 분석\n\n**원본 요청:** [사용자 요청 전문]\n\n**목표:** [최종 산출물]\n\n**서브태스크:**\n1. [태스크1] - 담당: [에이전트타입] - 의존성: 없음\n2. [태스크2] - 담당: [에이전트타입] - 의존성: 없음\n3. [태스크3] - 담당: [에이전트타입] - 의존성: 1,2\n\n**병렬 실행 가능:** 1, 2\n**순차 실행 필요:** 3 (1,2 완료 후)\n\nPhase 2: 에이전트 구성\nStep 2a: 기존 에이전트 확인\n// 사용 가능한 에이전트 목록\nconst availableAgents = agents_list()\nconst activeAgents = sessions_list({ kinds: [\"agent\"] })\n\nStep 2b: 태스크-에이전트 매칭\n## 에이전트 배정\n\n| 서브태스크 | 배정 | 모드 | 이유 |\n|------------|------|------|------|\n| A사 리서치 | watson | 기존 | 리서치 전문가 |\n| B사 리서치 | temp-1 | 스폰 | 추가 리소스 필요 |\n| C사 리서치 | temp-2 | 스폰 | 추가 리소스 필요 |\n| 통합 리포트 | temp-integ | 스폰 | 일회성 작업 |\n\nStep 2c: 실행 계획\n## 실행 순서\n\n**Phase A (병렬):**\n- watson → A사 리서치\n- temp-1 → B사 리서치  \n- temp-2 → C사 리서치\n\n**Phase B (순차, Phase A 완료 후):**\n- temp-integrator → 결과 통합\n\nPhase 3: 에이전트 디스패치\n기존 에이전트 활용\n// 기존 에이전트에게 태스크 전달\nsessions_send({\n  label: \"watson\",\n  message: `\n## 태스크: A사 경쟁 분석\n\n### 요청\n- 회사 개요\n- 주요 제품/서비스\n- 시장 포지션\n- 강점/약점\n\n### 출력 형식\n마크다운 리포트\n\n### 완료 후\n\"A사 분석 완료\" 라고 알려줘\n  `,\n  timeoutSeconds: 600\n})\n\n임시 에이전트 스폰\nsessions_spawn({\n  task: `\n    [에이전트 역할 설명]\n    \n    ## 태스크\n    ${subtask.description}\n    \n    ## 입력\n    ${subtask.inputs}\n    \n    ## 기대 출력\n    ${subtask.expectedOutput}\n    \n    ## 완료 조건\n    ${subtask.successCriteria}\n  `,\n  model: subtask.recommendedModel,\n  runTimeoutSeconds: 1800,\n  cleanup: \"delete\"\n})\n\nPhase 3: 결과 통합\n\n모든 에이전트 완료 후:\n\n각 에이전트의 산출물 수집\n품질 검증 (성공 기준 충족 여부)\n충돌 해결 (겹치는 내용)\n최종 산출물 생성\n사용자에게 전달\n예시 시나리오\n시나리오 1: 경쟁사 분석 (하이브리드 모드)\n입력: \"어벤저스 어셈블! A사, B사, C사 경쟁 분석 리포트\"\n\n에이전트 구성:\n├── 🔬 watson (기존) → A사 조사 (전문성 활용)\n├── 🔬 temp-researcher-1 (스폰) → B사 조사\n├── 🔬 temp-researcher-2 (스폰) → C사 조사\n└── 🔧 temp-integrator (스폰) → 비교 리포트 작성\n\n실행:\n1. watson에게 sessions_send로 A사 태스크 전달\n2. temp-1, temp-2 병렬 스폰\n3. 3개 모두 완료 대기\n4. temp-integrator 스폰, 결과 통합\n5. 최종 리포트 전달\n\n시나리오 2: 앱 개발 (전체 스폰)\n입력: \"어벤저스 어셈블! 날씨 앱 만들어줘\"\n\n에이전트 구성:\n├── 🔍 temp-analyst → 요구사항 정의\n├── 💻 temp-frontend → UI 구현\n├── 💻 temp-backend → API 연동\n├── ✅ temp-reviewer → 코드 리뷰\n└── 🔧 temp-integrator → 통합 및 테스트\n\n실행:\n1. Analyst 먼저 (요구사항 도출)\n2. Frontend/Backend 2명 병렬\n3. Reviewer가 검토\n4. Integrator가 통합 테스트\n5. 완성된 앱 전달\n\n시나리오 3: 기존 에이전트 팀 활용\n입력: \"어벤저스 어셈블! watson이랑 picasso 써서 리서치 + 인포그래픽\"\n\n에이전트 구성:\n├── 🔬 watson (기존) → 심층 리서치\n└── 🎨 picasso (기존) → 인포그래픽 제작 (watson 완료 후)\n\n실행:\n1. sessions_send(watson, \"리서치 태스크\")\n2. watson 완료 대기\n3. sessions_send(picasso, \"인포그래픽 태스크 + watson 결과\")\n4. 최종 전달\n\n시나리오 4: 멀티 프로필 대규모 프로젝트\n입력: \"어벤저스 어셈블! 전체 봇 동원해서 신규 서비스 기획부터 개발까지\"\n\n프로필 구성:\n┌─────────────────────────────────────────┐\n│  🟣 research-bot                        │\n│     └── 시장 조사 + 경쟁사 분석          │\n├─────────────────────────────────────────┤\n│  🟣 creative-bot                        │\n│     └── UI/UX 디자인 + 브랜딩            │\n├─────────────────────────────────────────┤\n│  🟣 code-bot                            │\n│     └── 프론트엔드 + 백엔드 개발         │\n├─────────────────────────────────────────┤\n│  🔷 main (카라얀)                       │\n│     └── 오케스트레이션 + 최종 통합        │\n└─────────────────────────────────────────┘\n\n실행:\n1. research-bot에 시장 조사 요청\n2. 조사 완료 → creative-bot에 디자인 요청\n3. 디자인 완료 → code-bot에 개발 요청\n4. main이 전체 통합 및 QA\n5. 최종 산출물 전달\n\n가드레일\n자동 중단 조건\n에이전트 실패 3회 연속\n전체 타임아웃 초과 (기본 2시간)\n사용자 취소 요청\n안전 장치\n각 에이전트는 격리된 세션에서 실행\n파일 수정은 지정된 출력 경로만 허용\n외부 API 호출은 승인된 것만\n설정\n기본값\navengers:\n  maxAgents: 5              # 동시 에이전트 수 (기존+스폰 합산)\n  maxProfiles: 4            # 동시 사용 프로필 수\n  timeoutMinutes: 120       # 전체 타임아웃\n  retryCount: 2             # 실패 시 재시도\n  defaultModel: \"sonnet\"    # 스폰 에이전트 기본 모델\n  cleanupOnComplete: true   # 완료 후 임시 에이전트 정리\n  preferExisting: true      # 기존 에이전트 우선 사용\n  useMultiProfile: true     # 멀티 프로필 모드 활성화\n\n프로필 설정\nprofiles:\n  main:\n    role: orchestrator\n    gateway: \"localhost:3000\"\n    \n  research-bot:\n    role: specialist\n    specialty: [\"research\", \"analysis\"]\n    model: opus\n    gateway: \"localhost:3001\"\n    \n  code-bot:\n    role: specialist\n    specialty: [\"coding\", \"testing\"]\n    model: opus\n    gateway: \"localhost:3002\"\n    \n  creative-bot:\n    role: specialist\n    specialty: [\"design\", \"content\"]\n    model: gemini\n    gateway: \"localhost:3003\"\n\n에이전트 매핑\nagents:\n  # 기존 에이전트 정의\n  watson:\n    type: researcher\n    specialty: [\"리서치\", \"경쟁분석\", \"시장조사\"]\n    model: opus\n    \n  picasso:\n    type: creator  \n    specialty: [\"이미지\", \"디자인\", \"인포그래픽\"]\n    model: gemini-flash\n    \n  coder-bot:\n    type: coder\n    specialty: [\"코딩\", \"API\", \"백엔드\", \"프론트엔드\"]\n    model: opus\n\n  # 스폰 에이전트 템플릿\n  templates:\n    researcher:\n      model: sonnet\n      timeout: 1800\n    analyst:\n      model: opus\n      timeout: 1200\n    writer:\n      model: sonnet\n      timeout: 900\n    coder:\n      model: opus\n      timeout: 2400\n\n🌟 창발적 협업 패턴\n1. 🗳️ 경쟁 드래프트 (Competitive Draft)\n\n동일 태스크를 여러 에이전트가 독립적으로 수행 → 결과 비교 → 최고안 선택\n\n태스크: \"마케팅 전략 수립\"\n\n├── 🔷 watson → 전략 A (데이터 기반)\n├── 🔶 temp-strategist-1 → 전략 B (창의적)\n├── 🟣 creative-bot → 전략 C (감성적)\n└── 🗳️ 투표/평가 → 최고안 선택 또는 하이브리드\n\n장점: 다양한 관점, 최적해 도출\n\n2. 🎭 역할 순환 (Role Rotation)\n\n진행 중 역할을 바꿔서 신선한 시각 확보\n\nRound 1:\n├── Agent A: 아이디어 제안\n├── Agent B: 비평\n└── Agent C: 개선\n\nRound 2 (순환):\n├── Agent B: 아이디어 제안\n├── Agent C: 비평\n└── Agent A: 개선\n\n→ 고착화 방지, 다각적 검토\n\n3. ⚔️ 적대적 협력 (Adversarial Collaboration)\n\n한 에이전트가 만들면 다른 에이전트가 공격적으로 비판 → 반복\n\nCreator ──→ 초안 작성\n    ↓\nCritic ──→ \"이건 왜 틀렸는가\" 공격\n    ↓\nCreator ──→ 방어 및 개선\n    ↓\nCritic ──→ 재공격\n    ↓\n(3라운드 반복)\n    ↓\nArbiter ──→ 최종 판정\n\n결과: 훨씬 견고한 산출물\n\n4. 🧬 진화적 선택 (Evolutionary Selection)\n\n여러 솔루션 생성 → 평가 → 상위권 교배 → 반복\n\nGeneration 1:\n├── Solution A (점수: 7)\n├── Solution B (점수: 8) ✓\n├── Solution C (점수: 5)\n└── Solution D (점수: 9) ✓\n\nGeneration 2:\n├── B + D 하이브리드 → E\n├── D 변형 → F\n└── B 변형 → G\n\n... 3세대 반복 → 최적해\n\n5. 🐝 스웜 인텔리전스 (Swarm Intelligence)\n\n많은 마이크로 에이전트가 작은 조각 처리 → 창발적 결과\n\n태스크: \"100개 기업 분석\"\n\nSwarm:\n├── micro-1 → 기업 1-10\n├── micro-2 → 기업 11-20\n├── micro-3 → 기업 21-30\n...\n└── micro-10 → 기업 91-100\n\nAggregator → 패턴 발견, 통합 인사이트\n\n6. 🔗 체인 릴레이 (Chain Relay)\n\n한 에이전트의 출력이 다음 에이전트의 입력 (변형 전달)\n\nAgent A: 원시 데이터 수집\n    ↓ (데이터)\nAgent B: 패턴 추출\n    ↓ (패턴)\nAgent C: 인사이트 도출\n    ↓ (인사이트)\nAgent D: 액션 아이템 생성\n    ↓ (계획)\nAgent E: 실행\n\n각 단계에서 가치 증폭\n\n7. 💭 합의 프로토콜 (Consensus Protocol)\n\n모든 에이전트가 동의해야 진행\n\nProposal: \"이 방향으로 가자\"\n\n├── Agent A: 동의 ✓\n├── Agent B: 반대 ✗ (이유: X)\n├── Agent C: 동의 ✓\n└── Agent D: 조건부 동의\n\n→ 반대 의견 해소 후 재투표\n→ 만장일치 → 진행\n\n위험한 결정에 안전장치\n\n8. 🎪 크로스 도메인 잼 (Cross-Domain Jam)\n\n완전히 다른 분야의 에이전트가 협업\n\n태스크: \"혁신적인 앱 아이디어\"\n\n├── 🎨 Art-Agent: 예술적 관점\n├── 🔬 Science-Agent: 기술적 관점\n├── 📚 History-Agent: 역사적 패턴\n├── 🎮 Game-Agent: 게이미피케이션\n└── 🧘 Philosophy-Agent: 윤리적 고려\n\n→ 예상치 못한 조합에서 혁신 탄생\n\n9. 🪞 메타 관찰자 (Meta Observer)\n\n다른 에이전트들을 관찰하고 코칭하는 에이전트\n\nWorking Agents:\n├── Agent A (작업 중)\n├── Agent B (작업 중)\n└── Agent C (작업 중)\n\nMeta-Observer:\n├── 패턴 감지: \"A와 B가 중복 작업 중\"\n├── 개입: \"B는 다른 방향 시도해봐\"\n├── 조언: \"C의 접근법을 A도 참고해\"\n└── 학습: 성공 패턴 기록\n\n팀 전체 효율성 향상\n\n10. ⏰ 시간 분리 협업 (Time-Horizon Split)\n\n같은 문제를 다른 시간 관점으로 접근\n\n태스크: \"비즈니스 전략\"\n\n├── 🏃 Sprint-Agent: 다음 주 할 일\n├── 🚶 Quarter-Agent: 분기 계획\n├── 🧘 Year-Agent: 연간 비전\n└── 🔮 Decade-Agent: 장기 트렌드\n\n→ 단기-장기 균형 잡힌 전략\n\n11. 🎰 태스크 경매 (Task Auction)\n\n에이전트가 자신감 기반으로 태스크에 입찰\n\nTask: \"복잡한 API 설계\"\n\nBids:\n├── code-bot: 신뢰도 92%, 예상 시간 2h\n├── watson: 신뢰도 65%, 예상 시간 4h\n└── temp-agent: 신뢰도 78%, 예상 시간 3h\n\n→ code-bot 낙찰 (최고 신뢰도)\n→ 실패 시 차순위 시도\n\n12. 🧠 공유 메모리 실시간 동기화\nShared Memory Pool:\n┌────────────────────────────────────────┐\n│  discoveries/                          │\n│  ├── agent-a-finding-1.md             │\n│  ├── agent-b-insight-2.md             │\n│  └── agent-c-connection-3.md          │\n│                                        │\n│  모든 에이전트가 실시간 읽기/쓰기        │\n│  → 발견 즉시 공유 → 시너지              │\n└────────────────────────────────────────┘\n\n통합\n\n이 스킬은 다음 스킬들의 기능을 통합:\n\nagent-council — 에이전트 생성 패턴\nagent-orchestrator — 태스크 분해 및 조율 패턴\n\n기존 스킬들과 함께 사용 가능.\n\n트리거 키워드\n어벤저스 어셈블\navengers assemble\nagent-avengers\n멀티에이전트 자동화\n에이전트 팀 구성\n예시 프롬프트\n\"어벤저스 어셈블! 다음 작업을 팀으로 처리해줘: [작업 설명]\"\n\n\"avengers assemble - 이 프로젝트를 병렬로 진행해줘\"\n\n\"멀티에이전트로 자동 처리해줘: [복잡한 요청]\""
  },
  "trust": {
    "sourceLabel": "tencent",
    "provenanceUrl": "https://clawhub.ai/oozoofrog/agent-avengers",
    "publisherUrl": "https://clawhub.ai/oozoofrog/agent-avengers",
    "owner": "oozoofrog",
    "version": "1.0.0",
    "license": null,
    "verificationStatus": "Indexed source record"
  },
  "links": {
    "detailUrl": "https://openagent3.xyz/skills/agent-avengers",
    "downloadUrl": "https://openagent3.xyz/downloads/agent-avengers",
    "agentUrl": "https://openagent3.xyz/skills/agent-avengers/agent",
    "manifestUrl": "https://openagent3.xyz/skills/agent-avengers/agent.json",
    "briefUrl": "https://openagent3.xyz/skills/agent-avengers/agent.md"
  }
}