SKILLEMALL.ai

AC openclaw-agent-mesh

Обнаружение узлов и связь между агентами для экземпляров OpenClaw. Используйте, когда пользователь хочет, чтобы соседние узлы OpenClaw обнаруживали друг друга, запрашивали контакт, требовали явного одобрения, устанавливали доверие и обменивались прямыми сообщениями. Поддерживает рабочие процессы V1 для инициализации идентификации, сканирования в локальной сети, запросов на контакт, одобрения/отклонения запросов, обмена сообщениями точка-точка и легковесного HTTP-сервера для обнаружения и обработки входящих сообщений.

машинный переводПоказать оригиналСкрыть оригинал«Peer discovery and agent-to-agent communication for OpenClaw instances…»

Peer discovery and agent-to-agent communication for OpenClaw instances. Use when the user wants nearby OpenClaw nodes to discover each other, request contact, require explicit approval, establish trust, and exchange direct messages. Supports V1 workflows for identity initialization, LAN scanning, contact requests, request approval/rejection, point-to-point messaging, and a lightweight HTTP server for discovery and inbox handling.

ClawHub Agent Skills автор: ClawdPI-AI v1.0.0 MIT-0 6 файлов тело ≈ 972 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Обнаружение узлов и связь между агентами для экземпляров OpenClaw.

Как процесс C 61/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 61/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
    • 40Результат и критерий готовности. Не сказано, что считать результатом
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, python, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 41
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 972 токенов
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 433 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 41 пунктов
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: suspicious
    This appears to be a real agent-mesh communication skill, but it exposes a network service and stores inbound network data with weak safety guidance.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.