Como Instalar Mais de 300 Especialistas de IA no Claude Code e Cursor

Em resumo: agency-agents é a maior coleção curada de personas de agente de IA no GitHub, com 149.312 estrelas em 1º de setembro de 2026. Ele envia mais de 300 arquivos de definição de agente em cerca de 20 pastas de categoria e os instala em Claude Code, Cursor, Codex, Gemini CLI, OpenCode, Windsurf, Aider e uma dúzia de outras ferramentas com um único comando. O que você obtém é enquadramento, não capacidade. As personas mudam a forma como seu agente aborda uma tarefa; elas não lhe dão fatos que ele não possui e não sobrevivem além da sessão.

Esta é uma análise aprofundada de uma ferramenta do nosso resumo de cinco ferramentas de agente de IA de código aberto que vale a pena instalar em 2026.

Seu agente de codificação tem uma personalidade: generalista prestativo. Peça-lhe para revisar um fluxo de autenticação e você obterá conselhos sensatos e esquecíveis. Peça a um revisor de segurança com um modelo de ameaça e uma lista de verificação, e você obterá descobertas.

Essa lacuna é o que o agency-agents preenche. Começou como um tópico no Reddit sobre especialização de agentes e cresceu para uma lista tão grande que a instalação de tudo quebra pelo menos um tempo de execução de agente popular. Veja o que está realmente dentro, como instalar as partes que você deseja e as duas coisas que uma biblioteca de personas não pode fazer por você.

O que você está realmente instalando

Cada agente é um arquivo markdown. Não um prompt de sistema de uma linha, e não um plugin com código. Um arquivo contém uma identidade e personalidade, uma missão central, um processo de trabalho, entregáveis técnicos com exemplos e métricas de sucesso.

Contando os arquivos markdown na árvore do repositório em 1º de setembro de 2026, há 312 em 20 pastas de categoria de nível superior, ou 306, se excluirmos o diretório examples/. A distribuição é desequilibrada em favor da construção de coisas:

Vale ressaltar que o README do repositório ainda anuncia "230+ agentes". Essa linha está desatualizada. A árvore cresceu para mais de 300.

A divisão de engenharia é onde a maioria dos desenvolvedores começará, e a especificidade é maior do que se esperaria de uma coleção de prompts. Ao lado das óbvias entradas de Desenvolvedor Frontend e Arquiteto Backend, há um Engenheiro de Rede focado em Cisco IOS-XE, Juniper Junos e Palo Alto PAN-OS, um Engenheiro de Firmware Embarcado para alvos ESP32, STM32 e Nordic, um Comandante de Resposta a Incidentes para análises post-mortem e prontidão para plantão, e um Engenheiro de Onboarding de Base de Código escrito para explorar um repositório somente leitura e declarar fatos sobre ele, em vez de propor alterações.

Esse último é um bom exemplo do padrão funcionando. Uma persona somente leitura com um mandato explícito de não-edição é uma ferramenta genuinamente diferente do seu agente padrão, e não custa nada além de um arquivo.

Instalando sem quebrar sua configuração

O repositório inclui scripts de conversão e instalação. O caminho interativo detecta o que você instalou e pergunta o que você deseja:

git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents
./scripts/install.sh

Direcionar uma ferramenta específica e um subconjunto de divisões é o padrão mais sensato:

# tudo, para Claude Code
./scripts/install.sh --tool claude-code

# apenas duas divisões
./scripts/install.sh --tool claude-code --division engineering,security

# apenas agentes nomeados
./scripts/install.sh --tool cursor --agent frontend-developer,ui-designer

# veja o que existe antes de confirmar
./scripts/install.sh --list teams
./scripts/install.sh --tool opencode --division engineering --dry-run

Os alvos suportados incluem Claude Code, Cursor, Codex, Gemini CLI, OpenCode, GitHub Copilot, Windsurf, Aider, Kimi Code, Hermes, Antigravity, Osaurus e Mistral Vibe. Há também um aplicativo de desktop nativo em agencyagents.app para macOS, Linux e Windows que navega pela lista, instala com um clique e atualiza automaticamente, além de um Homebrew cask.

Leia isto antes de instalar tudo. O tempo de execução do OpenCode atualmente registra apenas cerca de 119 agentes e descarta o restante silenciosamente, o que o repositório documenta como um bug upstream. A instalação de um subconjunto com --division mantém você dentro do limite, e o instalador avisa quando uma seleção o excederia. O truncamento silencioso é o pior modo de falha que existe, porque o agente que você queria está faltando e nada lhe diz.

Mesmo fora desse bug específico, instalar 300 personas é uma má ideia. Uma lista que você não consegue lembrar é uma lista que você não usará. Instale as duas divisões em que você trabalha, leia quatro ou cinco dos arquivos e exclua aqueles que não correspondem à forma como sua equipe realmente opera.

O que uma persona muda e o que não muda

Uma persona é uma estrutura. Ela define o que o agente procura, qual formato ele produz e o que ele considera concluído. Isso vale mais do que parece, porque grande parte da má saída do agente não é o modelo estar errado, é o modelo otimizar para a forma errada de resposta.

O que uma persona não pode fazer é fornecer informações que o modelo não possui. Este é o limite que as pessoas descobrem em uma semana, e ele se manifesta com mais força em torno das APIs.

Carregue o Arquiteto Backend e peça para ele escrever um cliente para seu serviço de faturamento interno. Ele produzirá código limpo e idiomático contra uma forma de resposta que ele inventou. Ele não tem como saber que seu serviço retorna um 409 com um envelope de erro diferente quando uma chave de idempotência se repete, ou que o cursor de paginação é opaco em vez de um offset. A persona tornou o código mais organizado. Não o tornou correto.

O mesmo limite se aplica à divisão de testes. Uma persona de QA escreve testes completos contra seu próprio modelo mental da API, então os testes passam e nada provam. Cobrimos por que esse loop específico é perigoso em testes de agentes de IA não-determinísticos, e o que quebra quando a forma real muda em o que acontece quando mudanças na API quebram agentes de IA.

A solução é dar ao agente o contrato em vez de esperar que a persona compense. Se sua API for projetada no Apidog, a especificação OpenAPI é a fonte da verdade: esquemas reais, códigos de status reais, envelopes de erro reais. O agente os lê em vez de reconstruí-los a partir de chamadas. Mocks geram a partir dessa mesma especificação, incluindo os ramos de erro que uma persona nunca pensaria em falsificar, e o conjunto de testes falha ruidosamente no CI quando a realidade e a especificação divergem.

Essa combinação é o modelo mental útil. A persona decide como o agente funciona. A especificação decide o que é verdadeiro. Leitura relacionada: usando sua especificação OpenAPI como ferramentas de agente e projetando esquemas de ferramentas de API para agentes. Se você quiser conectar uma especificação ativa ao contexto do seu agente, baixe o Apidog e aponte-o para seu projeto existente.

O segundo limite: uma persona não é uma equipe

Aqui está o que a metáfora da lista promete e não entrega.

A proposta é uma agência completa ao seu alcance. Na prática, você ativa uma persona em uma sessão, ela executa uma tarefa e a sessão termina. Amanhã você digita a ativação novamente. Não há equipe, porque não há nada persistente: nenhuma atribuição, nenhum registro do que o revisor de segurança encontrou na última terça-feira e nenhuma maneira de um colega ver nada disso. Nove das divisões neste repositório descrevem funções que só fazem sentido dentro de uma organização, e a ferramenta que as instala não tem conceito de uma.

Se você deseja que a ideia da lista sobreviva além de uma única sessão de terminal, a camada que falta é o gerenciamento de trabalho. O Sharkly foi construído exatamente para isso, e o mapeamento para o agency-agents é próximo o suficiente para valer a pena detalhar.

• Um Agente no Sharkly é uma configuração salva, não um prompt que você digita novamente. Ele contém instruções, tempo de execução, habilidades, repositórios e ambiente. Uma persona que você ajustou uma vez é reutilizada, o que é a versão durável do que um arquivo .md em ~/.claude/agents/ está buscando.
• Uma Equipe é um agente líder mais outros agentes e pessoas. Este é o conceito de divisão com mecânicas reais. As Equipes operam em primeiro lugar: o líder lê o contexto da tarefa, decide quais membros incluir e combina seus resultados em um só lugar, em vez de cada especialista começar de uma vez e competir.
• O trabalho é atribuído, não invocado. Você dá uma tarefa a um Agente da mesma forma que a dá a um colega de equipe. Ele vive em um espaço, um projeto e um sprint, com sincronização com o Jira se sua equipe já trabalha lá.
• A execução é por sua conta. Você conecta um Computador, que pode ser seu laptop, um servidor ou um contêiner, e o Sharkly usa o Tempo de Execução já instalado nele. Sua assinatura do Claude Code ou Codex faz o trabalho; nada revende seus tokens.
• A saída é revisável. O progresso, as chamadas de ferramenta e os resultados são transmitidos de volta para a tarefa, e a saída do agente aparece como comentários aos quais você responde. Uma tarefa no Backlog não inicia uma execução, então você pode preparar o trabalho antes que algo seja executado.

Simplificando: agency-agents fornece as descrições de cargo, e o Sharkly fornece o local onde esses trabalhos são atribuídos, executados e revisados. Use o repositório como uma biblioteca de definições de funções para alimentar Agentes reais, em vez de como uma pasta que você instala e esquece.

Escrevendo o seu, usando o deles como modelo

A coisa mais durável que este repositório lhe oferece é um formato. Depois de ler alguns arquivos, escrever uma persona para sua própria stack leva cerca de quinze minutos, e uma específica da casa é sempre melhor do que uma genérica.

A estrutura que se repete nos bons arquivos:

• Identidade e voz. Quem é este agente e como ele se comunica. Parece cosmético, e é a parte que impede o agente de voltar ao modo de assistente genérico no meio de uma tarefa longa.
• Missão central. Uma frase sobre o que significa sucesso. O arquivo Codebase Onboarding Engineer é um exemplo claro: explorar somente leitura, rastrear caminhos de código, declarar fatos sobre a estrutura e o comportamento, não propor nada.
• Processo de trabalho. Passos ordenados que o agente segue. Esta é a seção que vale a pena roubar. Uma persona de revisão com um processo de sete etapas produz uma saída consistente entre as sessões; uma sem ele produz o que o modelo quis naquele dia.
• Entregáveis. Os artefatos concretos, com formato. Diga "uma tabela markdown de descobertas com severidade, caminho do arquivo e número da linha" em vez de "um relatório".
• Métricas de sucesso. Como o agente sabe que está pronto, o que também serve para você verificar o trabalho dele.

Uma versão interna para trabalho com API pode ser assim:

# Revisor de Contrato de API

## Missão
Verificar se os endpoints novos ou alterados correspondem à especificação OpenAPI neste
repositório antes de chegarem à revisão. Reportar inconsistências. Não editar código.

## Processo
1. Ler a especificação para cada endpoint afetado pelo diff atual.
2. Para cada um, comparar o manipulador com a especificação: códigos de status,
   esquema de resposta, envelope de erro, cabeçalhos obrigatórios, estilo de paginação.
3. Executar os testes de contrato. Registrar as falhas literalmente.
4. Verificar se novos endpoints foram adicionados à especificação, não apenas ao roteador.
5. Sinalizar qualquer campo de resposta presente no código e ausente na especificação.

## Entregáveis
Uma tabela: endpoint, método, tipo de inconsistência, linha da especificação, linha do código, gravidade.
Sem resumo em prosa. Sem sugestões de correção, a menos que solicitado.

## Concluído quando
Cada endpoint no diff aparece na tabela com um veredito, e a
saída do teste de contrato é incluída como evidência.

Esse arquivo é curto e faz mais por uma equipe de backend do que qualquer uma das 59 personas de engenharia incluídas no repositório, porque ele nomeia sua especificação, seus testes e sua definição de pronto. O terceiro passo é a parte que importa: a persona é instruída a produzir evidências em vez de uma opinião, que é a diferença entre uma revisão sobre a qual você pode agir e um parágrafo de garantia.

O mesmo truque funciona para resposta a incidentes, trabalho de migração, atualizações de dependência e integração. Pegue a estrutura do arquivo, mantenha a disciplina do processo, substitua o conteúdo genérico pelo seu. Quando a saída do agente precisa sobreviver a uma transferência para um humano ou outro agente, o contrato de formato faz a maior parte do trabalho, que é o ponto que fizemos em transferência de agente e passagem de contexto.

O número de estrelas é significativo aqui?

149.312 estrelas é muito, e merece uma ressalva. Repositórios de personas coletam estrelas mais rapidamente do que quase qualquer outra categoria porque são fáceis de entender, fáceis de compartilhar e não custam nada para experimentar. Uma estrela significa que alguém achou uma boa ideia, não que ainda a usa.

O que torna este repositório crível é a forma do trabalho, e não o número. Ele tem um histórico de contribuição real desde outubro de 2025, é licenciado sob MIT, documenta seus próprios limites, incluindo o limite de registro do OpenCode, e os arquivos de agente contêm conteúdo de domínio específico em vez de trivialidades genéricas de função. Compare isso com os muitos repositórios de "prompts incríveis" que atingiram o pico e pararam.

Julgue-o abrindo três arquivos em uma divisão que você conhece bem. Se o arquivo do Desenvolvedor Frontend diz coisas que um bom desenvolvedor frontend diria, o resto provavelmente está bom. Se parece um anúncio de emprego, ignore o repositório.

Como realmente obter valor dele

Um fluxo de trabalho que funciona:

1. Instale uma divisão. Escolha aquela que corresponde ao seu trabalho diário. Engenharia para a maioria dos leitores.
2. Leia os arquivos. Quatro ou cinco, do início ao fim. Você está procurando pelas seções de processo, que são a parte que vale a pena manter.
3. Edite-os. Adicione sua stack, suas convenções, sua definição de pronto. Uma persona descrevendo uma loja React genérica vale menos do que o mesmo arquivo com suas regras de teste.
4. Dê às personas editadas entradas reais. Um revisor de segurança com sua especificação OpenAPI encontra problemas de contrato. O mesmo revisor sem ela produz uma lista de verificação.
5. Promova as que se mantêm. Qualquer persona que você usa duas vezes por semana deve se tornar um Agente salvo em um sistema de gerenciamento de trabalho, em vez de um arquivo que você copia entre máquinas.

Esse último passo é onde as equipes escalam isso ou o abandonam silenciosamente.

FAQ

O agency-agents funciona com Cursor e Codex, ou apenas com Claude Code? Com todos eles. O script convert.sh gera arquivos de integração por ferramenta e install.sh --tool direciona um específico. Claude Code, Cursor, Codex, Gemini CLI, OpenCode, Copilot, Windsurf, Aider, Kimi Code e vários outros são suportados. Se você estiver comparando clientes de agente para trabalho com API, veja nossa análise de clientes de API em Cursor e Copilot.

Devo instalar todos os 300 agentes? Não. No OpenCode você não pode, porque o tempo de execução registra aproximadamente 119 e descarta o restante silenciosamente. Em outras ferramentas você tecnicamente pode, e nunca usará a maioria delas. Instale por divisão.

As personas tornam o agente mais inteligente? Elas o tornam mais bem direcionado. A precisão em questões de fato, incluindo o que sua API retorna, não muda. Isso requer uma especificação real, que é o argumento em você ainda precisa de uma ferramenta de API na era dos agentes de IA.

É seguro executar o script de instalação? Ele escreve arquivos de definição de agente nos diretórios de configuração da sua ferramenta. Esse é o propósito dele. Ele é licenciado sob MIT com a fonte completa disponível, e --dry-run mostra o que ele faria antes de fazê-lo. Execute o dry run primeiro. O princípio geral para o que você permite que os agentes toquem está em limites de segurança de agentes de IA.

Qual é a diferença entre isso e um framework de agente? Se você quer as personas rodando várias ao mesmo tempo em vez de uma por sessão, isso é Orca. Um framework como Strands ou AgentKit oferece orquestração de tempo de execução em código. agency-agents fornece arquivos markdown que mudam o comportamento de um agente existente. É uma camada diferente, sem sobreposição.

Conclusão

agency-agents é a melhor versão de uma ideia específica: seu agente faz um trabalho melhor quando sabe qual papel está desempenhando. Instale uma divisão, leia os arquivos, edite-os para que correspondam à sua equipe e você obterá valor real em cerca de vinte minutos de configuração.

Depois, seja honesto sobre as duas coisas que ele não resolve. As personas não sabem o que sua API retorna, para o que o Apidog serve, e elas não persistem em algo que uma equipe possa ver ou revisar, para o que o Sharkly serve. Uma lista é um bom começo. Não é uma organização e não é uma fonte da verdade.