The Agency คือชุดโอเพนซอร์สรวมเอเจนต์ AI พิเศษ 147 ตัว สำหรับ Claude Code, Cursor, Aider, Windsurf, GitHub Copilot และเครื่องมืออื่น ๆ เอเจนต์แต่ละตัวมีบุคลิก ขอบเขตสิ่งที่ต้องส่งมอบ และตัวชี้วัดความสำเร็จ บทความนี้เน้นสถาปัตยกรรมเอเจนต์ การผสานรวมกับเครื่องมือหลากหลาย หน่วยความจำ MCP และสคริปต์ bash สำหรับการติดตั้งอัตโนมัติ
💡หากคุณต้องการเชื่อมต่อเอเจนต์เหล่านี้เข้ากับเวิร์กโฟลว์ API ในโลกจริง แนะนำให้ใช้ Apidog: คุณสามารถออกแบบ จำลอง ทดสอบ และจัดทำเอกสาร API ที่เอเจนต์ของคุณใช้ จากนั้นกด "Run" และดูเอเจนต์ของคุณทำงานร่วมกับเอนด์พอยต์ของคุณ ลองสร้าง sandbox backend ที่ขับเคลื่อนโดย Agency ขณะอ่านบทความนี้
<!--kg-card-begin: html-->
<!--kg-card-end: html-->
The Agency: แนวคิดและจุดเด่น
The Agency ไม่ใช่แค่ prompt ว่า “ทำตัวเป็นนักพัฒนาอาวุโส” แต่คือการรวมผู้เชี่ยวชาญ 147 คนใน 12 แผนก ออกแบบมาให้เก่งเฉพาะทางและมีผลลัพธ์วัดผลได้
จินตนาการเหมือนมีเอเจนซี่ขนาดใหญ่ที่ไม่เคยหยุดทำงาน — แต่เป็น AI ที่พร้อมทำงาน 24/7
อะไรคือ The Agency?
| คุณสมบัติ | รายละเอียด |
|---|---|
| จำนวนเอเจนต์ | 147 เอเจนต์พิเศษใน 12 แผนก |
| รูปแบบ | ไฟล์ Markdown พร้อม YAML frontmatter (ชื่อ, คำอธิบาย, สี, อิโมจิ) |
| การผสานรวม | รองรับ Claude Code, Cursor, Aider, Windsurf, GitHub Copilot, Gemini CLI, OpenCode, OpenClaw, Qwen Code |
| ใบอนุญาต | MIT — ใช้ฟรี ทั้งส่วนตัวและเชิงพาณิชย์ |
| ที่มา | เริ่มจาก Reddit, ดูแลโดยชุมชน |
| นวัตกรรม | เอเจนต์มีบุคลิก, สิ่งที่ต้องส่งมอบ, ตัวชี้วัดความสำเร็จ ไม่ใช่แค่ prompt ทั่วไป |
สรุปสั้น:
The Agency เปลี่ยนจาก prompt "ทำตัวเป็นนักพัฒนา" ไปเป็น "เปิดโหมดนักพัฒนาส่วนหน้า" — พร้อมความรู้ React, Vue, Angular, Core Web Vitals, และ accessibility
โครงสร้างคลัง: 12 แผนก, 147 เอเจนต์
The Agency เก็บไว้ที่ github.com/msitarzewski/agency-agents โครงสร้างไดเรกทอรี:
agency-agents/
├── engineering/ # 20+ agents: Frontend, Backend, DevOps, AI, Mobile, Security
├── design/ # 8 agents: UI Designer, UX Researcher, Brand Guardian, Whimsy Injector
├── marketing/ # 20+ agents: Growth Hacker, SEO, TikTok, Reddit, LinkedIn
├── sales/ # 8 agents: Discovery Coach, Deal Strategist, Sales Engineer
├── product/ # 5 agents: Product Manager, Trend Researcher, Feedback Synthesizer
├── project-management/ # 6 agents: Studio Producer, Project Shepherd, Experiment Tracker
├── testing/ # 8 agents: Reality Checker, Evidence Collector, API Tester
├── support/ # 6 agents: Support Responder, Analytics Reporter, Legal Compliance
├── spatial-computing/ # 6 agents: XR Architect, visionOS Engineer, Metal Developer
├── specialized/ # 30+ agents: MCP Builder, Blockchain Auditor, Compliance Auditor
└── game-development/ # 20+ agents: Unity Architect, Unreal Systems, Godot Scripter, Roblox
└── academic/ # 5 agents: Anthropologist, Historian, Psychologist, Narratologist
แต่ละแผนกประกอบด้วยเอเจนต์เชี่ยวชาญสูง เช่น วิศวกรรมครอบคลุมนักพัฒนา Frontend, Backend, DevOps, Security, Embedded
Anatomy ของเอเจนต์: ตัวอย่างโครงสร้าง
ทุกเอเจนต์ใช้โครงสร้างเดียวกัน ตัวอย่าง: Backend Architect
YAML Frontmatter
---
name: Backend Architect
description: Senior backend architect specializing in scalable system design, database architecture, API development, and cloud infrastructure
color: blue
emoji: 🏗️
vibe: Designs the systems that hold everything up — databases, APIs, cloud, scale.
---
- ใช้สำหรับค้นหา/แสดงผลในเครื่องมือ AI เช่น Cursor, Claude Code
ตัวตนและความจำ
## 🧠 Your Identity & Memory
- **Role**: System architecture and server-side development specialist
- **Personality**: Strategic, security-focused, scalability-minded, reliability-obsessed
- **Memory**: You remember successful architecture patterns, performance optimizations, and security frameworks
- **Experience**: You've seen systems succeed through proper architecture and fail through technical shortcuts
- กำหนดบุคลิกและความเชี่ยวชาญ LLM จะถูกเตรียมรับโจทย์เฉพาะทาง
ภารกิจหลัก
## 🎯 Your Core Mission
### Data/Schema Engineering Excellence
- Define and maintain data schemas and index specifications
- Design efficient data structures for large-scale datasets (100k+ entities)
- Implement ETL pipelines for data transformation and unification
- Create high-performance persistence layers with sub-20ms query times
- ระบุเป้าหมายที่วัดผลได้จริง
กฎที่ต้องปฏิบัติ
## 🚨 Critical Rules You Must Follow
### Security-First Architecture
- Implement defense in depth strategies across all system layers
- Use principle of least privilege for all services and database access
- Encrypt data at rest and in transit using current security standards
- กฎเหล่านี้สำคัญกว่า behavior ทั่วไปของ LLM
สิ่งที่ต้องส่งมอบทางเทคนิค
-- E-commerce Database Schema Design
CREATE TABLE users (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
email VARCHAR(255) UNIQUE NOT NULL,
password_hash VARCHAR(255) NOT NULL,
created_at TIMESTAMP WITH TIME ZONE DEFAULT NOW(),
updated_at TIMESTAMP WITH TIME ZONE DEFAULT NOW(),
deleted_at TIMESTAMP WITH TIME ZONE NULL
);
CREATE INDEX idx_users_email ON users(email) WHERE deleted_at IS NULL;
CREATE INDEX idx_users_created_at ON users(created_at);
// Express.js API with security middleware
const helmet = require('helmet');
const rateLimit = require('express-rate-limit');
const limiter = rateLimit({
windowMs: 15 * 60 * 1000,
max: 100,
message: 'Too many requests from this IP, please try again later.',
});
- ส่งมอบเป็นโค้ดพร้อมใช้ ไม่ใช่แค่คำอธิบายกว้าง ๆ
ตัวชี้วัดความสำเร็จ
## 🎯 Your Success Metrics
You're successful when:
- API response times stay under 200ms for 95th percentile
- System uptime exceeds 99.9% availability
- Database queries perform under 100ms average
- Security audits find zero critical vulnerabilities
- ทุกเอเจนต์มีเป้าหมายวัดผลได้
การผสานรวมกับเครื่องมือหลากหลาย: ใช้เอเจนต์กับ 10+ IDEs
Supported Tools
| เครื่องมือ | รูปแบบ | ตำแหน่งติดตั้ง |
|---|---|---|
| Claude Code | .md |
~/.claude/agents/ |
| GitHub Copilot | .md |
~/.github/agents/ |
| Cursor | .mdc |
.cursor/rules/ |
| Aider | CONVENTIONS.md |
Project root |
| Windsurf | .windsurfrules |
Project root |
| Antigravity | SKILL.md |
~/.gemini/antigravity/skills/ |
| Gemini CLI | Extension | ~/.gemini/extensions/ |
| OpenCode | .md |
.opencode/agents/ |
| OpenClaw |
SOUL.md/AGENTS.md
|
~/.openclaw/ |
| Qwen Code | .md |
~/.qwen/agents/ |
Bash Script สำหรับแปลงและติดตั้ง
แปลงไฟล์ Markdown เป็นรูปแบบเฉพาะแต่ละเครื่องมือ
#!/usr/bin/env bash
# convert.sh — Convert agency agent .md files into tool-specific formats
set -euo pipefail
AGENT_DIRS=(
academic design engineering game-development marketing paid-media
sales product project-management testing support spatial-computing specialized
)
# Extract frontmatter fields
get_field() {
local field="$1" file="$2"
awk -v f="$field" '
/^---$/ { fm++; next }
fm == 1 && $0 ~ "^" f ": " { sub("^" f ": ", ""); print; exit }
' "$file"
}
# Strip frontmatter, return body
get_body() {
awk 'BEGIN{fm=0} /^---$/{fm++; next} fm>=2{print}' "$1"
}
ตัวอย่างแปลงสำหรับ Cursor
convert_cursor() {
local agent_file="$1"
local slug=$(to_kebab "$(get_field 'name' "$agent_file")")
local output_file="$OUT_DIR/cursor/.cursor/rules/agency-${slug}.mdc"
cat > "$output_file" << EOF
---
description: Agency agent: $(get_field 'description' "$agent_file")
---
$(get_body "$agent_file")
EOF
}
ติดตั้งแบบอัตโนมัติด้วย install.sh
#!/usr/bin/env bash
# install.sh — Install The Agency agents into your local agentic tool(s)
install_claude_code() {
local src="$REPO_ROOT"
local dest="$HOME/.claude/agents"
mkdir -p "$dest"
cp -r "$src"/{engineering,design,marketing,sales,specialized}/*.md "$dest/"
ok "Claude Code: $(find "$dest" -name '*.md' | wc -l) agents installed"
}
install_cursor() {
local src="$OUT_DIR/cursor/.cursor/rules"
local dest="./.cursor/rules"
mkdir -p "$dest"
cp "$src"/*.mdc "$dest/"
ok "Cursor: $(find "$dest" -name '*.mdc' | wc -l) rules installed"
}
เลือกเครื่องมือติดตั้งแบบ interactive
+------------------------------------------------+
| The Agency — Tool Installer |
+------------------------------------------------+
การสแกนระบบ: [*] = ตรวจพบในเครื่องนี้
[x] 1) [*] Claude Code (claude.ai/code)
[x] 2) [*] Copilot (~/.github + ~/.copilot)
[x] 3) [*] Antigravity (~/.gemini/antigravity)
[ ] 4) [ ] Gemini CLI (gemini extension)
[x] 7) [*] Cursor (.cursor/rules)
[1-10] สลับ [a] ทั้งหมด [n] ไม่มี [d] ตรวจพบ
[Enter] ติดตั้ง [q] ออก
ติดตั้งแบบขนาน
./scripts/install.sh --parallel --jobs 8
หน่วยความจำ MCP: บริบท AI ต่อเนื่องข้ามเซสชัน
ปกติเอเจนต์ AI ไม่มี context ข้ามเซสชัน — การผสาน MCP (Model Context Protocol) ช่วยให้เอเจนต์ “จำ” และส่งต่อบริบทข้ามรอบ/เอเจนต์
ตัวอย่าง Section สำหรับเปิด MCP Memory
## Memory Integration
When you start a session:
- Recall relevant context from previous sessions using your role and project as search terms
- Review any memories tagged with your agent name
When you make key decisions or complete deliverables:
- Remember the decision with descriptive tags (agent name, project, topic)
- Include enough context that a future session can understand what was done and why
When handing off to another agent:
- Remember your deliverables tagged for the receiving agent
- Include: what you completed, what's pending, what the next agent needs to know
เครื่องมือ MCP ที่รองรับ
| เครื่องมือ | วัตถุประสงค์ |
|---|---|
remember |
จัดเก็บการตัดสินใจ, สิ่งที่ต้องส่งมอบ, บริบทพร้อมแท็ก |
recall |
ค้นหาหน่วยความจำด้วยคีย์เวิร์ด แท็ก หรือ similarity |
rollback |
กู้คืนสถานะก่อนหน้าเมื่อเกิดข้อผิดพลาด |
search |
ค้นหาหน่วยความจำข้ามเซสชันและเอเจนต์ |
ตัวอย่างเวิร์กโฟลว์
ไม่มี MCP
User: "Build the API"
Agent: [Builds API, session ends]
[Next session]
User: "Continue from yesterday"
Agent: "I don't have context from previous sessions. Can you paste what we did?"
มี MCP
User: "Build the API"
Agent: [Builds API, remembers: "Backend Architect - E-commerce API - Users table, JWT auth, rate limiting"]
[Next session]
User: "Continue from yesterday"
Agent: [Recalls: "Yesterday I designed the users table with UUID primary keys, implemented JWT authentication with bcrypt hashing, and added rate limiting at 100 requests per 15 minutes. Next step: Order Service schema."]
ตัวอย่างเอเจนต์เด่น
1. Reality Checker (ทดสอบ)
บังคับให้ทุกอย่างผ่าน step ทดสอบ มี script เช็คหลักฐานก่อน approve
## 🚨 Your Mandatory Process
### STEP 1: Reality Check Commands (NEVER SKIP)
bash
Verify what was actually built
ls -la resources/views/ || ls -la *.html
Cross-check claimed features
grep -r "luxury|premium|glass|morphism" . --include=".html" --include=".css" || echo "NO PREMIUM FEATURES FOUND"
Run professional Playwright screenshot capture
./qa-playwright-capture.sh http://localhost:8000 public/qa-screenshots
css
2. Whimsy Injector (ออกแบบ)
เพิ่มความสนุกใน UI โดยไม่ลด usability
/* Delightful Button Interactions */
.btn-whimsy {
position: relative;
overflow: hidden;
transition: all 0.3s cubic-bezier(0.23, 1, 0.32, 1);
&::before {
content: '';
position: absolute;
top: 0;
left: -100%;
width: 100%;
height: 100%;
background: linear-gradient(90deg, transparent, rgba(255, 255, 255, 0.2), transparent);
transition: left 0.5s;
}
&:hover {
transform: translateY(-2px) scale(1.02);
box-shadow: 0 8px 25px rgba(0, 0, 0, 0.15);
}
}
// Achievement System with Whimsy
class WhimsyAchievements {
unlock(achievementId) {
const achievement = this.achievements[achievementId];
this.showCelebration(achievement);
this.saveProgress(achievementId);
}
showCelebration(achievement) {
const celebration = document.createElement('div');
celebration.className = `achievement-celebration ${achievement.celebration}`;
celebration.innerHTML = `
<div class="achievement-card">
<div class="achievement-icon">${achievement.icon}</div>
<h3>${achievement.title}</h3>
<p>${achievement.description}</p>
</div>
`;
document.body.appendChild(celebration);
setTimeout(() => celebration.remove(), 3000);
}
}
Microcopy ตัวอย่าง
## ข้อความแสดงข้อผิดพลาด
**หน้า 404**: "อุ๊ย! หน้านี้ไปเที่ยวโดยไม่บอกเราเลย"
**การตรวจสอบฟอร์ม**: "อีเมลของคุณดูขี้อายไปหน่อย – ช่วยเพิ่มสัญลักษณ์ @ ได้ไหม?"
**ข้อผิดพลาดเครือข่าย**: "ดูเหมือนอินเทอร์เน็ตจะสะดุด ลองอีกครั้งได้ไหม?"
3. MCP Builder (เฉพาะทาง)
สร้าง MCP server เพื่อขยายฟีเจอร์ AI agent
// TypeScript MCP server skeleton
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
const server = new McpServer({ name: "my-server", version: "1.0.0" });
server.tool("search_items", { query: z.string(), limit: z.number().optional() },
async ({ query, limit = 10 }) => {
const results = await searchDatabase(query, limit);
return { content: [{ type: "text", text: JSON.stringify(results, null, 2) }] };
}
);
const transport = new StdioServerTransport();
await server.connect(transport);
ข้อควรปฏิบัติ:
- ใช้ชื่อเครื่องมือสื่อความหมาย
- ตรวจสอบชนิดข้อมูล input ด้วย Zod
- คืนค่า JSON/Markdown
- ล้มเหลวต้อง graceful/error message
ชุมชนและการแปล
- 147 agents, 12 แผนก
- ตัวอย่างโค้ด/บุคลิก/เวิร์กโฟลว์ 10,000+ บรรทัด
- แปลแล้ว: zh, agent-teams
- การผสานหลายเครื่องมือด้วยสคริปต์
การติดตั้ง: เริ่มใช้งาน
ตัวเลือก 1: Claude Code (แนะนำ)
# คัดลอกเอเจนต์ไปยัง Claude Code
cp -r agency-agents/* ~/.claude/agents/
# เปิดใช้งานใน Claude ได้ทุกเซสชัน:
"Hey Claude, activate Frontend Developer mode and help me build a React component"
ตัวเลือก 2: ติดตั้งหลายเครื่องมือ
# แปลงไฟล์
./scripts/convert.sh
# ติดตั้งแบบ interactive
./scripts/install.sh
# หรือเจาะจงเครื่องมือ
./scripts/install.sh --tool cursor
./scripts/install.sh --tool aider
ตัวเลือก 3: ใช้เป็น reference
เรียกดู/คัดลอกจาก github.com/msitarzewski/agency-agents
อะไรทำให้ The Agency ต่างจาก prompt/library/tool ทั่วไป?
เทียบกับ Prompt AI ทั่วไป
| คำสั่งทั่วไป | The Agency |
|---|---|
| "ทำตัวเป็นนักพัฒนา" | "เปิดโหมดนักพัฒนาส่วนหน้า" |
| กว้าง, ไม่เจาะจง | เชี่ยวชาญเฉพาะทาง |
| ไร้โครงสร้าง | มีเวิร์กโฟลว์, โค้ด, ตัวชี้วัด |
| ไม่มีเป้าหมายวัดผล | ผลลัพธ์วัดผลได้ |
เทียบกับ ไลบรารี prompt
| ไลบรารี prompt | The Agency |
|---|---|
| Prompt แบบ static text | บุคลิก, เวิร์กโฟลว์, หน่วยความจำ |
| ไม่รองรับ integration | ผสาน 10+ เครื่องมือ |
เทียบกับ กล่องดำ AI Tool
| กล่องดำ AI Tool | The Agency |
|---|---|
| ปรับไม่ได้ | ปรับแต่ง, fork, extend ได้ |
| Vendor lock-in | ใบอนุญาต MIT, ดูแลโดยชุมชน |
| รองรับ LLM เดียว | ทำงานได้กับ LLM ใดก็ได้ผ่าน MCP |
ข้อคิดทางเทคนิค
- เฉพาะทางดีกว่าทั่วไป: 147 ผู้เชี่ยวชาญเหนือกว่า prompt "ทำทุกอย่าง"
- โครงสร้างขับเคลื่อนผลลัพธ์: frontmatter + identity + mission + rules + deliverables + metrics
- การผสาน integration สำคัญ: Bash script แปลง agent ไป 10+ รูปแบบ
- MCP = context ต่อเนื่อง: แก้ปัญหา LLM ลืม context
- ขับเคลื่อนโดยชุมชน: Reddit → 147 agents → แปล/ขยาย
ขั้นตอนถัดไป
เริ่มใช้งาน The Agency:
- ดู รายชื่อเอเจนต์ทั้งหมด
- ติดตั้งกับเครื่องมือที่ใช้ (Claude Code, Cursor, ฯลฯ)
- เรียกผู้เชี่ยวชาญตามชื่อ เช่น
"ใช้ Reality Checker เพื่อตรวจสอบ production readiness" - มีส่วนร่วม: เพิ่ม agent ใหม่, ปรับปรุงของเดิม, แชร์ success story
กำลังสร้าง AI agent เอง?
ศึกษาตัวอย่าง agent:
- frontmatter = ค้นหา
- identity = บุคลิก
- mission = ขอบเขต
- rules = ข้อจำกัด
- deliverables = ผลลัพธ์
- metrics = ความรับผิดชอบ
The Agency พิสูจน์ว่า AI ที่ดีที่สุดไม่ใช่โมเดลเดียวทำทุกอย่าง — แต่คือทีมผู้เชี่ยวชาญ 147 คนที่รู้หน้าที่ของตัวเอง
<!--kg-card-begin: html-->
<!--kg-card-end: html-->
Top comments (0)