TL;DR: agency-agents adalah koleksi persona agen AI terbesar yang dikurasi di GitHub, dengan 149.312 bintang per 1 September 2026. Ini menyediakan lebih dari 300 file definisi agen di sekitar 20 folder kategori dan menginstalnya ke Claude Code, Cursor, Codex, Gemini CLI, OpenCode, Windsurf, Aider, dan lusinan alat lainnya dengan satu perintah. Yang Anda dapatkan adalah kerangka kerja, bukan kapabilitas. Persona mengubah cara agen Anda mendekati suatu tugas; mereka tidak memberikan fakta yang tidak dimilikinya, dan mereka tidak bertahan melewati sesi.
Ini adalah ulasan mendalam tentang salah satu alat dari rangkuman kami tentang lima alat agen AI sumber terbuka yang patut diinstal pada tahun 2026.
Agen pengkodean Anda memiliki satu kepribadian: generalis yang membantu. Mintalah untuk meninjau alur otentikasi dan Anda akan mendapatkan saran yang masuk akal, tetapi mudah terlupakan. Mintalah peninjau keamanan dengan model ancaman dan daftar periksa, dan Anda akan mendapatkan temuan.
Kesenjangan itulah yang diisi oleh agency-agents. Ini dimulai sebagai utas Reddit tentang spesialisasi agen dan berkembang menjadi daftar yang cukup besar sehingga menginstal seluruhnya merusak setidaknya satu runtime agen populer. Ini adalah apa yang sebenarnya ada di dalamnya, cara menginstal bagian yang Anda inginkan, dan dua hal yang tidak dapat dilakukan oleh pustaka persona untuk Anda.
Apa yang Sebenarnya Anda Instal
Setiap agen adalah file markdown. Bukan satu baris prompt sistem, dan bukan plugin dengan kode. Sebuah file berisi identitas dan kepribadian, misi inti, proses kerja, hasil teknis dengan contoh, dan metrik keberhasilan.
Menghitung file markdown di pohon repositori pada 1 September 2026, ada 312 di 20 folder kategori tingkat atas, atau 306 setelah Anda mengecualikan direktori examples/. Distribusinya condong ke arah membangun sesuatu:
| Divisi | File Agen |
|---|---|
| rekayasa | 59 |
| spesialisasi | 58 |
| pemasaran | 36 |
| pengembangan-game | 21 |
| integrasi | 18 |
| strategi | 16 |
| gis | 13 |
| keamanan | 12 |
| desain | 10 |
| penjualan | 9 |
| pengujian | 9 |
| media-berbayar | 7 |
| manajemen-proyek | 7 |
| akademik | 6 |
| komputasi-spasial | 6 |
| dukungan | 6 |
| keuangan | 5 |
| produk | 5 |
| kesehatan | 3 |
Perlu dicatat bahwa README repositori masih mengiklankan "230+ agen". Baris itu sudah usang. Pohonnya telah berkembang melewati 300.
Divisi rekayasa adalah tempat sebagian besar pengembang akan memulai, dan spesifikasinya lebih tinggi dari yang Anda harapkan dari kumpulan prompt. Di samping entri Frontend Developer dan Backend Architect yang jelas, ada Network Engineer yang dibatasi untuk Cisco IOS-XE, Juniper Junos, dan Palo Alto PAN-OS, Embedded Firmware Engineer untuk target ESP32, STM32, dan Nordic, Incident Response Commander untuk post-mortem dan kesiapan on-call, serta Codebase Onboarding Engineer yang ditulis untuk menjelajahi repositori secara read-only dan menyatakan fakta tentangnya daripada mengusulkan perubahan.
Yang terakhir adalah contoh bagus tentang bagaimana pola itu berfungsi. Sebuah persona read-only dengan mandat eksplisit tanpa-edit adalah alat yang benar-benar berbeda dari agen default Anda, dan tidak memerlukan biaya apa pun selain satu file.
Menginstal tanpa Merusak Penyiapan Anda
Repositori ini menyediakan skrip konversi dan instalasi. Jalur interaktif mendeteksi apa yang telah Anda instal dan menanyakan apa yang Anda inginkan:
git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents
./scripts/install.sh
Menargetkan alat tertentu dan subset divisi adalah default yang lebih sehat:
# semuanya, ke Claude Code
./scripts/install.sh --tool claude-code
# hanya dua divisi
./scripts/install.sh --tool claude-code --division engineering,security
# hanya agen bernama
./scripts/install.sh --tool cursor --agent frontend-developer,ui-designer
# lihat apa yang ada sebelum berkomitmen
./scripts/install.sh --list teams
./scripts/install.sh --tool opencode --division engineering --dry-run
Target yang didukung termasuk Claude Code, Cursor, Codex, Gemini CLI, OpenCode, GitHub Copilot, Windsurf, Aider, Kimi Code, Hermes, Antigravity, Osaurus, dan Mistral Vibe. Ada juga aplikasi desktop asli di agencyagents.app untuk macOS, Linux, dan Windows yang menjelajahi daftar, menginstal dengan sekali klik, dan memperbarui secara otomatis, ditambah cask Homebrew.
Baca ini sebelum Anda menginstal semuanya. Runtime OpenCode saat ini hanya mendaftarkan sekitar 119 agen dan secara diam-diam menghapus sisanya, yang didokumentasikan repositori terhadap bug upstream. Menginstal subset dengan --division membuat Anda tetap di bawah batas, dan penginstal akan memperingatkan Anda ketika pilihan akan melebihi batas tersebut. Pemotongan diam-diam adalah mode kegagalan terburuk yang ada, karena agen yang Anda inginkan hilang dan tidak ada yang memberitahu Anda.
Bahkan di luar bug spesifik itu, menginstal 300 persona adalah ide yang buruk. Daftar yang tidak dapat Anda ingat adalah daftar yang tidak akan Anda gunakan. Instal dua divisi tempat Anda bekerja, baca empat atau lima file, dan hapus yang tidak sesuai dengan cara kerja tim Anda sebenarnya.
Apa yang Diubah oleh Persona, dan Apa yang Tidak
Persona adalah sebuah kerangka. Ini mengatur apa yang dicari agen, format apa yang dihasilkannya, dan apa yang dianggapnya selesai. Itu lebih berharga daripada kedengarannya, karena sebagian besar keluaran agen yang buruk bukanlah karena model yang salah, melainkan karena model mengoptimalkan bentuk jawaban yang salah.
Apa yang tidak dapat dilakukan oleh persona adalah memberikan informasi yang tidak dimiliki model. Ini adalah batas yang ditemukan orang setelah seminggu, dan paling sulit terlihat di sekitar API.
Muat Backend Architect dan mintalah untuk menulis klien untuk layanan penagihan internal Anda. Ini akan menghasilkan kode yang bersih dan idiomatik terhadap bentuk respons yang ia ciptakan. Ia tidak memiliki cara untuk mengetahui bahwa layanan Anda mengembalikan 409 dengan amplop kesalahan yang berbeda ketika kunci idempotensi berulang, atau bahwa kursor pagination bersifat buram daripada offset. Persona membuat kode lebih terorganisir. Itu tidak membuatnya benar.
Batasan yang sama berlaku untuk divisi pengujian. Persona QA menulis tes menyeluruh terhadap model mental API-nya sendiri, sehingga tes lulus dan tidak membuktikan apa pun. Kami membahas mengapa loop spesifik itu berbahaya dalam menguji agen AI non-deterministik, dan apa yang rusak ketika bentuk sebenarnya bergerak dalam apa yang terjadi ketika perubahan API merusak agen AI.
Perbaikannya adalah dengan memberikan kontrak kepada agen alih-alih berharap persona mengkompensasi. Jika API Anda dirancang di Apidog, spesifikasi OpenAPI adalah sumber kebenaran: skema nyata, kode status nyata, amplop kesalahan nyata. Agen membacanya daripada merekonstruksinya dari situs panggilan. Mock dihasilkan dari spesifikasi yang sama, termasuk cabang kesalahan yang tidak akan pernah terpikirkan oleh persona untuk dipalsukan, dan rangkaian pengujian gagal dengan keras di CI ketika realitas dan spesifikasi menyimpang.
Pasangan itu adalah model mental yang berguna. Persona menentukan bagaimana agen bekerja. Spesifikasi menentukan apa yang benar. Bacaan terkait: menggunakan spesifikasi OpenAPI Anda sebagai alat agen dan merancang skema alat API untuk agen. Jika Anda ingin menghubungkan spesifikasi langsung ke konteks agen Anda, unduh Apidog dan arahkan ke proyek Anda yang sudah ada.
Batas Kedua: Persona Bukan Tim
Inilah hal yang dijanjikan oleh metafora daftar tetapi tidak disampaikan.
Promosi adalah agen lengkap di ujung jari Anda. Dalam praktiknya, Anda mengaktifkan satu persona dalam satu sesi, ia melakukan tugas, dan sesi berakhir. Besok Anda mengetik aktivasi itu lagi. Tidak ada tim, karena tidak ada yang persisten: tidak ada penugasan, tidak ada catatan tentang apa yang ditemukan oleh peninjau keamanan Selasa lalu, dan tidak ada cara bagi rekan kerja untuk melihat semua itu. Sembilan divisi dalam repositori ini menggambarkan peran yang hanya masuk akal di dalam sebuah organisasi, dan alat yang menginstalnya tidak memiliki konsep satu pun.
Jika Anda ingin ide daftar bertahan lebih dari satu sesi terminal, lapisan yang hilang adalah manajemen kerja. Sharkly dibangun persis untuk itu, dan pemetaan ke agency-agents cukup dekat untuk dijelaskan.
- Agen di Sharkly adalah konfigurasi tersimpan, bukan prompt yang Anda ketik ulang. Ini menyimpan instruksi, runtime, keterampilan, repositori, dan lingkungan. Persona yang Anda atur sekali dapat digunakan kembali, yang merupakan versi tahan lama dari apa yang ingin dicapai oleh file
.mddi~/.claude/agents/. - Kru adalah agen pemimpin ditambah agen dan orang lain. Ini adalah konsep divisi dengan mekanisme aktual. Kru berjalan dengan pemimpin-pertama: pemimpin membaca konteks tugas, memutuskan anggota mana yang akan dilibatkan, dan menggabungkan hasilnya di satu tempat, daripada setiap spesialis memulai sekaligus dan berlomba.
- Pekerjaan ditugaskan, bukan dipanggil. Anda memberikan tugas kepada Agen seperti Anda memberikannya kepada rekan setim. Ia berada dalam ruang, proyek, dan sprint, dengan sinkronisasi Jira jika tim Anda sudah bekerja di sana.
- Eksekusi adalah membawa sendiri. Anda menghubungkan Komputer, yang bisa berupa laptop, server, atau kontainer, dan Sharkly menggunakan Runtime yang sudah terinstal di dalamnya. Langganan Claude Code atau Codex Anda yang melakukan pekerjaan; tidak ada yang menjual kembali token kepada Anda.
- Hasilnya dapat ditinjau. Kemajuan, panggilan alat, dan hasil mengalir kembali ke tugas, dan keluaran agen muncul sebagai komentar yang Anda balas. Tugas di Backlog tidak memulai eksekusi, jadi Anda dapat menyiapkan pekerjaan sebelum ada yang dieksekusi.
Sederhananya: agency-agents memberi Anda deskripsi pekerjaan, dan Sharkly memberi Anda tempat pekerjaan itu ditugaskan, dijalankan, dan ditinjau. Gunakan repositori sebagai pustaka definisi peran untuk menanamkan Agen nyata daripada sebagai folder yang Anda instal dan lupakan.
Menulis Milik Anda Sendiri, Menggunakan Milik Mereka sebagai Template
Hal paling tahan lama yang diberikan repositori ini kepada Anda adalah format. Setelah Anda membaca beberapa file, menulis persona untuk tumpukan Anda sendiri membutuhkan waktu sekitar lima belas menit, dan yang spesifik untuk perusahaan akan selalu lebih baik daripada yang generik.
Struktur yang berulang di file-file yang bagus:
- Identitas dan suara. Siapa agen ini dan bagaimana cara bicaranya. Kedengarannya kosmetik, dan inilah bagian yang menghentikan agen kembali ke mode asisten generik di tengah tugas yang panjang.
- Misi inti. Satu kalimat tentang apa arti keberhasilan. File Codebase Onboarding Engineer adalah contoh bersih: jelajahi secara read-only, lacak jalur kode, nyatakan fakta tentang struktur dan perilaku, jangan usulkan apa pun.
- Proses kerja. Langkah-langkah terurut yang diikuti agen. Ini adalah bagian yang patut dicuri. Persona peninjauan dengan proses tujuh langkah menghasilkan keluaran yang konsisten di seluruh sesi; yang tanpanya menghasilkan apa pun yang dirasakan model hari itu.
- Hasil. Artefak konkret, dengan format. Katakan "tabel markdown temuan dengan tingkat keparahan, jalur file, dan nomor baris" daripada "laporan."
- Metrik keberhasilan. Bagaimana agen tahu bahwa ia telah selesai, yang berfungsi ganda sebagai hal yang Anda periksa pekerjaannya.
Versi internal untuk pekerjaan API mungkin terlihat seperti ini:
# Peninjau Kontrak API
## Misi
Memverifikasi bahwa endpoint baru atau yang diubah cocok dengan spesifikasi OpenAPI di
repositori ini sebelum mencapai tinjauan. Melaporkan ketidakcocokan. Jangan mengedit kode.
## Proses
1. Baca spesifikasi untuk setiap endpoint yang tersentuh oleh perbedaan saat ini.
2. Untuk setiap satu, bandingkan handler dengan spesifikasi: kode status,
skema respons, amplop kesalahan, header yang diperlukan, gaya pagination.
3. Jalankan tes kontrak. Catat kegagalan secara verbatim.
4. Periksa apakah endpoint baru telah ditambahkan ke spesifikasi, bukan hanya ke router.
5. Tandai setiap bidang respons yang ada dalam kode dan tidak ada dalam spesifikasi.
## Hasil
Sebuah tabel: endpoint, metode, jenis ketidakcocokan, baris spesifikasi, baris kode, tingkat keparahan.
Tidak ada ringkasan prosa. Tidak ada saran perbaikan kecuali diminta.
## Selesai ketika
Setiap endpoint dalam perbedaan muncul dalam tabel dengan putusan, dan
output tes kontrak disertakan sebagai bukti.
File itu pendek, dan itu melakukan lebih banyak untuk tim backend daripada salah satu dari 59 persona rekayasa yang dikirimkan dalam repo, karena ia menyebutkan spesifikasi Anda, tes Anda, dan definisi "selesai" Anda. Langkah ketiga adalah bagian yang penting: persona diinstruksikan untuk menghasilkan bukti daripada opini, yang merupakan perbedaan antara tinjauan yang dapat Anda tindak lanjuti dan paragraf jaminan.
Trik yang sama berlaku untuk respons insiden, pekerjaan migrasi, peningkatan dependensi, dan orientasi. Ambil struktur file, pertahankan disiplin proses, ganti konten generik dengan milik Anda. Ketika keluaran agen harus bertahan dari serah terima ke manusia atau agen lain, kontrak format melakukan sebagian besar pekerjaan, yang merupakan poin yang kami buat dalam serah terima agen dan penerusan konteks.
Apakah Jumlah Bintang Berarti di Sini?
149.312 bintang itu banyak, dan patut diberi catatan. Repositori persona mengumpulkan bintang lebih cepat daripada hampir semua kategori lain karena mudah dipahami, mudah dibagikan, dan tidak memakan biaya untuk dicoba. Bintang berarti seseorang menganggap ini ide yang bagus, bukan berarti mereka masih menggunakannya.
Yang membuat repo ini kredibel adalah bentuk pekerjaannya daripada jumlahnya. Ia memiliki riwayat kontribusi nyata sejak Oktober 2025, dilisensikan MIT, mendokumentasikan batasnya sendiri termasuk batas pendaftaran OpenCode, dan file agen membawa konten domain spesifik daripada bualan peran generik. Bandingkan itu dengan banyak repositori "awesome prompts" yang mencapai puncak dan berhenti.
Nilai dengan membuka tiga file di divisi yang Anda kenal baik. Jika file Frontend Developer mengatakan hal-hal yang akan dikatakan oleh pengembang frontend yang baik, sisanya mungkin baik-baik saja. Jika terasa seperti lowongan pekerjaan, lewati repo tersebut.
Bagaimana Sebenarnya Mendapatkan Nilai Darinya
Alur kerja yang bertahan:
- Instal satu divisi. Pilih yang sesuai dengan pekerjaan harian Anda. Rekayasa untuk sebagian besar pembaca.
- Baca file-file tersebut. Empat atau lima, dari awal hingga akhir. Anda mencari bagian proses, yang merupakan bagian yang patut dipertahankan.
- Editlah. Tambahkan tumpukan Anda, konvensi Anda, definisi "selesai" Anda. Persona yang menggambarkan toko React generik kurang berharga daripada file yang sama dengan aturan pengujian Anda di dalamnya.
- Berikan persona yang diedit masukan nyata. Peninjau keamanan dengan spesifikasi OpenAPI Anda menemukan masalah kontrak. Peninjau yang sama tanpa itu menghasilkan daftar periksa.
- Promosikan yang bertahan. Setiap persona yang Anda gunakan dua kali seminggu harus menjadi Agen tersimpan dalam sistem manajemen kerja daripada file yang Anda salin antar mesin.
Langkah terakhir itulah di mana tim dapat menskalakan ini atau diam-diam meninggalkannya.
FAQ
Apakah agency-agents bekerja dengan Cursor dan Codex, atau hanya Claude Code? Semuanya. Skrip convert.sh menghasilkan file integrasi per alat dan install.sh --tool menargetkan yang spesifik. Claude Code, Cursor, Codex, Gemini CLI, OpenCode, Copilot, Windsurf, Aider, Kimi Code, dan beberapa lainnya didukung. Jika Anda membandingkan klien agen untuk pekerjaan API, lihat ulasan kami tentang klien API di Cursor dan Copilot.
Haruskah saya menginstal semua 300 agen? Tidak. Di OpenCode Anda tidak bisa, karena runtime mendaftarkan sekitar 119 dan secara diam-diam menghapus sisanya. Di alat lain Anda secara teknis bisa, dan Anda tidak akan pernah menggunakan sebagian besar dari mereka. Instal berdasarkan divisi.
Apakah persona membuat agen lebih cerdas? Mereka membuatnya lebih terarah. Akurasi pada pertanyaan fakta, termasuk apa yang dikembalikan API Anda, tidak berubah. Itu membutuhkan spesifikasi nyata, yang merupakan argumen dalam apakah Anda masih membutuhkan alat API di era agen AI.
Apakah aman menjalankan skrip instalasi? Ini menulis file definisi agen ke direktori konfigurasi alat Anda. Itulah tujuannya. Ini dilisensikan MIT dengan sumber lengkap yang tersedia, dan --dry-run menunjukkan apa yang akan dilakukan sebelum melakukannya. Jalankan dry run terlebih dahulu. Prinsip umum untuk apa yang Anda biarkan agen sentuh ada di perlindungan agen AI.
Apa perbedaan antara ini dan kerangka kerja agen? Jika Anda ingin persona berjalan beberapa sekaligus daripada satu per sesi, itu adalah Orca. Kerangka kerja seperti Strands atau AgentKit memberi Anda orkestrasi runtime dalam kode. agency-agents memberi Anda file markdown yang mengubah cara agen yang ada berperilaku. Lapisan yang berbeda, tidak ada tumpang tindih.
Ringkasan
agency-agents adalah versi terbaik dari ide spesifik: agen Anda bekerja lebih baik ketika tahu peran apa yang dimainkannya. Instal satu divisi, baca file-file, edit menjadi sesuatu yang cocok dengan tim Anda, dan Anda akan mendapatkan nilai nyata dengan pengaturan sekitar dua puluh menit.
Kemudian jujurlah tentang dua hal yang tidak diselesaikannya. Persona tidak tahu apa yang dikembalikan API Anda, itulah gunanya Apidog, dan mereka tidak bertahan dalam apa pun yang dapat dilihat atau ditinjau oleh tim, itulah gunanya Sharkly. Sebuah daftar adalah awal yang baik. Itu bukan sebuah organisasi, dan itu bukan sumber kebenaran.