SKILLEMALL.ai

AC lobster-comm

P2P-связь между ботами через Tailscale с использованием протокола LCP/1.1 UDP. Позволяет ИИ-агентам на разных машинах обмениваться подписанными, надежными сообщениями в режиме реального времени. Обеспечивает криптографическую подпись Ed25519, подтверждение на уровне приложения с повторной передачей, поддержание активности heartbeat, обнаружение дубликатов и управление локальным демоном IPC. Используйте, когда вам нужна меж-агентская связь, обмен сообщениями между ботами, делегирование задач между машинами или распределенная оркестрация агентов в сети Tailscale. Триггеры: «bot-to-bot», «inter-agent», «P2P messaging», «lobster-comm», «cross-machine communication», «agent delegation», «distributed agents»

машинный переводПоказать оригиналСкрыть оригинал«Bot-to-Bot P2P communication over Tailscale using the LCP/1.1 UDP prot…»

Bot-to-Bot P2P communication over Tailscale using the LCP/1.1 UDP protocol. Enables AI agents on different machines to exchange signed, reliable messages in real-time. Features Ed25519 cryptographic signing, application-layer ACK with retransmission, heartbeat keep-alive, duplicate detection, and local IPC daemon control. Use when you need inter-agent communication, bot-to-bot messaging, cross-machine task delegation, or distributed agent orchestration over a Tailscale network. Triggers: "bot-to-bot", "inter-agent", "P2P messaging", "lobster-comm", "cross-machine communication", "agent delegation", "distributed agents"

ClawHub Agent Skills автор: JeffChang2024 v1.1.0 MIT-0 11 файлов тело ≈ 954 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

P2P-связь между ботами через Tailscale с использованием протокола LCP/1.1 UDP. Позволяет ИИ-агентам на разных машинах обмениваться подписанными, надежными…

Как процесс C 59/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, отчётность по ходу

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
90
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Результат и критерий готовности вес 14
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 11. 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 59/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 15
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 954 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -31 из 6 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 7 примера фраз-триггеров в кавычках
    • +3Длина description 626 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 15 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 90.

    Внешние проверки

    ClawHub: suspicious
    This is a coherent peer-to-peer messaging skill, but it needs review because it runs a network daemon, stores messages and signing keys locally, and its signature checks do not actually prove a message came from a trusted peer.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.