Как превратить Claude Code из мощного ассистента в профессиональную платформу оркестрации с 33+ специализированными агентами

Контекст: кто пишет и почему это важно

Игорь Масленников. В IT с 2013 года. Много лет управлял классической IT-компанией DNA IT. Последние два года активно развиваю подразделение AI Dev Team — и вижу интересную тенденцию: всё больше клиентов выбирают именно это подразделение. Не потому что модно, а потому что быстрее (1-2 недели вместо 2-3 месяцев), дешевле (минус 80% от стоимости), и, как ни странно, качественнее благодаря автоматическим проверкам.

Эта статья — о том, как мы организовали работу с Claude Code на уровне архитектурных паттернов, а не «промптинга». И почему это даёт измеримые результаты.

Проблема: Claude Code быстро «выгорает»

Claude Code — мощный инструмент. Но при работе над реальным проектом быстро упирается в проблему: контекстный бюджет.

Классический сценарий:

Начинаете работу над проектом. Контекст: ~10K токенов.
Через 3-4 задачи: контекст раздулся до 30K токенов (история изменений, прошлые обсуждения).
Через неделю: 50K+ токенов. Claude Code начинает «забывать» детали, даёт неполные ответы, требует переспрашивания.
Через 10 дней: контекст переполнен. Нужно начинать новую сессию, теряя накопленный контекст.

Результат: Эффективная работа — максимум неделю. Дальше — деградация качества.

Почему так происходит? Claude Code работает как монолитный ассистент: всё в одной сессии, вся история в одном контексте. Это удобно для мелких задач, но катастрофично для долгосрочных проектов.

Решение: паттерн оркестрации

Мы переосмыслили роль Claude Code: из исполнителя всех задач превратили в оркестратор, который:

Сам выполняет только тривиальные задачи (исправление опечаток, простые импорты)
Все сложные задачи делегирует специализированным субагентам
Каждый субагент работает в изолированном контексте
После завершения задачи субагент возвращает контроль оркестратору и уничтожается (контекст очищается)

Аналогия: Представьте, что вы — руководитель проекта. Вы не пишете код сами — вы ставите задачи специалистам (бэкенд, фронтенд, тестирование), проверяете результат, даёте обратную связь. Ваша голова не забита деталями реализации каждой задачи — вы держите общую картину.

Результат:

Основной контекст Claude Code: стабильно ~10-15K токенов (вместо 50K+)
Можно работать над проектом бесконечно долго без деградации качества
Каждый субагент — эксперт в своей области

Ключевая инновация: CLAUDE.md как Behavioral OS

Стандартная практика использования CLAUDE.md:

Разработчики складывают туда всю историю проекта
Результат: тысячи токенов уходят на информацию, которая нужна раз в месяц

Наша инновация: CLAUDE.md = Behavioral Operating System (операционная система поведения)

Вместо истории проекта мы храним там правила оркестрации:

## Core Rules

**1. GATHER FULL CONTEXT FIRST (MANDATORY)**

Before delegating or implementing any task:
- Read existing code in related files
- Search codebase for similar patterns
- Review relevant documentation (specs, design docs, ADRs)
- Check recent commits in related areas
- Understand dependencies and integration points

NEVER delegate or implement blindly.

**2. DELEGATE TO SUBAGENTS**

Before delegation:
- Provide complete context (code snippets, file paths, patterns, docs)
- Specify exact expected output and validation criteria

After delegation (CRITICAL):
- ALWAYS verify results (read modified files, run type-check)
- NEVER skip verification
- If incorrect: re-delegate with corrections and errors

**3. EXECUTE DIRECTLY (MINIMAL ONLY)**

Direct execution only for:
- Single dependency install
- Single-line fixes (typos, obvious bugs)
- Simple imports
- Minimal config changes

Everything else: delegate.

Результат: Главный Claude Code работает как профессиональный менеджер проектов, а не как "делай всё сам и сгорай на середине". Вся история проекта собирается on-demand (только когда нужно), основной контекст остаётся чистым.

Архитектура системы: оркестратор + воркеры

1. Главный Claude Code = Оркестратор

Роль: Управление, не исполнение.

Перед делегированием:

Собирает полный контекст задачи (читает код, ищет паттерны, проверяет историю коммитов)
Готовит детальную инструкцию для субагента (примеры кода, путь к файлам, критерии успеха)
Создаёт plan file — JSON-файл с описанием задачи

После делегирования:

Читает отчёт субагента
Верифицирует результат (читает изменённые файлы, запускает type-check)
Если что-то не так — заново делегирует с указанием ошибок
Если всё ОК — переходит к следующей задаче

Ключевое правило: Никогда не пропускать верификацию. Даже если субагент отрапортовал успех.

2. Субагенты = Специализированные исполнители

У нас 33+ субагентов. Примеры:

bug-hunter — сканирует кодовую базу, находит баги, категоризирует по приоритету (critical/high/medium/low).

bug-fixer — берёт список багов из отчёта bug-hunter, исправляет по приоритетам, проверяет через type-check и тесты.

security-scanner — ищет уязвимости (SQL injection, XSS, проблемы RLS политик).

database-architect — проектирует схемы БД, создаёт миграции, валидирует нормализацию.

meta-agent-v3 — создаёт новых субагентов по запросу за 2-3 минуты (следует архитектурным паттернам проекта).

Каждый субагент следует 5-фазной структуре:

Phase 1: Read Plan — Читает .{workflow}-plan.json от оркестратора
Phase 2: Execute — Выполняет работу (domain-specific logic)
Phase 3: Validate — Запускает quality gates (type-check, build, tests)
Phase 4: Report — Генерирует стандартизированный отчёт
Phase 5: Return Control — Возвращает контроль оркестратору и завершает работу

Контекст субагента изолирован: он не видит историю других задач, только текущую. После завершения — контекст уничтожается.

Return Control Pattern: критический паттерн изоляции

Проблема: Если оркестратор вызывает субагента через Task tool напрямую → создаётся вложенный контекст → нарушается изоляция → накапливается память.

Правильная схема:

┌─────────────────────────────────────────────────────────┐
│ Оркестратор (главный Claude Code)                      │
│  1. Собирает контекст (Read, Grep, WebSearch)          │
│  2. Создаёт plan file (.bug-detection-plan.json)       │
│  3. Валидирует план (validate-plan-file Skill)         │
│  4. Сигнализирует готовность ("План готов, см. .tmp/") │
│  5. ВЫХОДИТ (возвращает контроль пользователю)         │
└─────────────────────────────────────────────────────────┘
                       ↓
┌─────────────────────────────────────────────────────────┐
│ Главная сессия (пользователь)                          │
│  → Вызывает субагента через Task tool                  │
│  → Task: "@bug-hunter"                                  │
└─────────────────────────────────────────────────────────┘
                       ↓
┌─────────────────────────────────────────────────────────┐
│ Субагент (bug-hunter в изолированном контексте)        │
│  1. Читает .bug-detection-plan.json                    │
│  2. Выполняет сканирование кодовой базы                │
│  3. Категоризирует баги (critical/high/medium/low)     │
│  4. Запускает валидацию (run-quality-gate Skill)       │
│  5. Генерирует отчёт (.bug-detection-report.md)        │
│  6. ВЫХОДИТ (возвращает контроль пользователю)         │
└─────────────────────────────────────────────────────────┘
                       ↓
┌─────────────────────────────────────────────────────────┐
│ Оркестратор (возобновляет работу)                      │
│  1. Читает отчёт (.bug-detection-report.md)            │
│  2. Верифицирует результаты (проверяет файлы)          │
│  3. Принимает решение (accept/reject)                  │
│  4. Если OK → следующая фаза                           │
│  5. Если NOT OK → повторная делегация с коррекцией     │
└─────────────────────────────────────────────────────────┘

Преимущество: Контексты полностью изолированы. Оркестратор видит только результаты, не детали реализации. Каждый субагент работает в чистом контексте без наследования истории.

Пример: Plan File (JSON Schema)

bug-detection-plan.json:

{
  "workflow": "bug-management",
  "phase": "detection",
  "phaseNumber": 1,
  "config": {
    "categories": [
      "type-errors",
      "runtime-errors",
      "security",
      "performance",
      "dead-code",
      "debug-code"
    ],
    "maxBugsPerRun": 1000
  },
  "validation": {
    "required": ["report-exists", "type-check"],
    "optional": ["tests"]
  },
  "nextAgent": "bug-hunter",
  "timestamp": "2025-11-11T14:23:45.123Z",
  "metadata": {
    "createdBy": "bug-orchestrator",
    "iteration": 1,
    "maxIterations": 3
  }
}

Структура плана:

workflow — название workflow (bug-management, security-audit, dependency-update)
phase — текущая фаза (detection, fixing, verification)
config — параметры работы (какие категории багов искать, лимиты)
validation — какие проверки запустить после выполнения
nextAgent — какой воркер должен обработать этот план
metadata — контекст (кто создал, номер итерации, лимиты)

Зачем отдельный файл? Полная изоляция: субагент получает только то, что ему нужно. Никакой истории переписки, никаких лишних деталей.

Quality Gates: автоматическая валидация

После каждой задачи — обязательная проверка. Никаких исключений.

Реализация: Skill run-quality-gate

Пример использования в воркере:

## Phase 3: Validate Work

Use `run-quality-gate` Skill to execute validation:

**Type-Check Gate**:
- Command: `pnpm type-check`
- Blocking: true
- If FAILED: Rollback changes, report failure, exit
- If PASSED: Proceed to build gate

**Build Gate**:
- Command: `pnpm build`
- Blocking: true
- If FAILED: Rollback changes, report failure, exit
- If PASSED: Proceed to tests

**Tests Gate**:
- Command: `pnpm test`
- Blocking: false (warn only)
- If FAILED: Log warning, proceed
- If PASSED: Proceed to Phase 4

Логика качественных гейтов (из run-quality-gate.md):

IF exit_code == 0:
  action = "continue"
  passed = true
ELSE:
  IF blocking == true:
    action = "stop"      # Останавливаем workflow
  ELSE:
    action = "warn"      # Логируем, продолжаем
  passed = false

Результат: Каждый коммит проходит type-check, build, тесты. Баги ловятся до деплоя, а не после.

Health Workflows: итеративные циклы детекции и исправления

Проблема

Классический подход к багфиксингу:

Разработчик находит баг (вручную или от пользователя)
Исправляет баг (возможно, создавая новые)
Отдаёт на тестирование
Тестировщик находит новые баги
Repeat

Недостатки: Реактивный подход, высокая стоимость, баги доходят до продакшена.

Наше решение: автоматические health workflows

Команды:

/health-bugs — детекция и исправление багов
/health-security — поиск и устранение уязвимостей
/health-deps — аудит и обновление зависимостей
/health-cleanup — детекция и удаление мёртвого кода

Архитектура /health-bugs

Итеративный цикл (до 3 итераций):

Iteration 1:
  ├─ Phase 1: Bug Detection (bug-hunter)
  │   └─ Сканирует весь проект
  │   └─ Категоризирует: critical (5), high (12), medium (33), low (87)
  │   └─ Генерирует bug-detection-report.md
  │
  ├─ Phase 2: Fix Critical Bugs (bug-fixer)
  │   └─ Читает отчёт, берёт critical bugs (5 штук)
  │   └─ Исправляет каждый баг
  │   └─ Запускает type-check + build
  │   └─ Генерирует bug-fixes-implemented.md
  │
  ├─ Phase 3: Fix High Priority Bugs (bug-fixer)
  │   └─ Читает отчёт, берёт high bugs (12 штук)
  │   └─ Исправляет каждый баг
  │   └─ Запускает type-check + build
  │   └─ Генерирует bug-fixes-implemented.md
  │
  ├─ Phase 4-5: Medium и Low (аналогично)
  │
  └─ Phase 6: Verification
      └─ Повторный запуск bug-hunter
      └─ Проверка: остались ли баги?
      └─ Если YES + iterations &lt; 3 → Iteration 2
      └─ Если NO → Final Summary

Зачем итерации? Исправление одного бага может создать новые (типизация, рефакторинг). Итеративный подход гарантирует, что проект становится чище с каждым циклом.

Реальный пример (из нашей практики):

Iteration 1: Найдено 137 багов → исправлено 137 → осталось 14 (новые, из-за рефакторинга)
Iteration 2: Найдено 14 багов → исправлено 14 → осталось 2 (edge cases)
Iteration 3: Найдено 2 бага → исправлено 2 → осталось 0
Результат: Проект чистый, type-check проходит, build успешен.

SpecKit Enhancement: Phase 0 (Planning Before Execution)

Проблема с оригинальным SpecKit

SpecKit от GitHub — отличный инструмент для structured development:

/speckit.specify — создаёт спецификацию
/speckit.plan — генерирует план реализации
/speckit.tasks — разбивает на задачи
/speckit.implement — выполняет задачи

Но: Сразу начинает выполнение без подготовки агентов.

Проблема: Если для задачи нужен специализированный агент, которого ещё нет → workflow ломается.

Наше решение: Phase 0 (Planning Phase)

Phase 0 выполняется ПЕРЕД началом реализации:

Task 1: Executor Assignment (Назначение исполнителей)

Анализируем каждую задачу из tasks.md и назначаем исполнителя:

**Задача**: Implement JWT authentication with refresh tokens

**Анализ**:
- Сложность: HIGH (работа с токенами, безопасность, database)
- Существующие агенты: database-architect (не подходит, нет auth expertise)
- Решение: Нужен новый агент

**Назначение**: [EXECUTOR: FUTURE-auth-specialist]

Классификация:

[EXECUTOR: MAIN] — тривиальные задачи (1-2 строки кода, simple imports)
[EXECUTOR: existing-agent] — если есть 100% совпадение с существующим агентом
[EXECUTOR: FUTURE-agent-name] — если нужен новый агент

Task 2: Meta-Agent Creation (Создание агентов)

Если найдены FUTURE-агенты → запускаем meta-agent-v3:

Найдено FUTURE агентов: 3
  - auth-specialist (JWT, refresh tokens, session management)
  - email-notification-service (SMTP, templates, queue)
  - analytics-tracker (event tracking, metrics, dashboards)

Запуск meta-agent-v3 (3 вызова в параллель в одном сообщении):
  1. Task: "@meta-agent-v3 Create auth-specialist worker..."
  2. Task: "@meta-agent-v3 Create email-notification-service worker..."
  3. Task: "@meta-agent-v3 Create analytics-tracker worker..."

После создания → просьба перезапустить Claude Code для загрузки новых агентов

Atomicity Rule (Критично): 1 задача = 1 вызов агента. Параллельные задачи = N вызовов в одном сообщении.

Почему важно? Если запускать последовательно → контекст переполняется. Если параллельно в одном сообщении → контекст остаётся чистым.

Task 3: Research Resolution (Решение исследовательских задач)

Simple Research (решается сразу):

Использование существующих библиотек (WebSearch, Context7)
Проверка документации (Read, Grep)
Анализ кодовой базы (Grep, Read)

Complex Research (требует deep thinking):

Архитектурные решения с несколькими вариантами
Выбор стека технологий
Проектирование сложных систем

Для сложных случаев: создание английского промпта в {FEATURE_DIR}/research/, отправка на deepresearch, ожидание результатов.

Результат Phase 0: Все агенты готовы, все исследования завершены, можно начинать параллельное выполнение задач без блокировок.

Worktrees: параллельная разработка 5-7 фичей

Проблема классического workflow

Работа над одной фичей → клиент просит срочно сделать другую → приходится:

git stash (сохранить текущие изменения)
git checkout -b urgent-feature (переключиться на новую фичу)
Работать над новой фичей (теряя контекст первой)
git checkout original-feature (вернуться к первой)
git stash pop (восстановить изменения)
Вспоминать, где остановился

Результат: Постоянные переключения, потеря контекста, стресс.

Наше решение: Git Worktrees + Claude Code

Команда: /worktree-create feature/new-auth-flow

Что происходит:

# Создаётся отдельная директория
.worktrees/
  └─ feature-new-auth-flow/
      ├─ .git (ссылка на основной репозиторий)
      ├─ package.json
      ├─ src/
      └─ ... (полная копия проекта)

# Создаётся отдельная ветка
git branch feature/new-auth-flow

# Worktree привязан к этой ветке
git worktree list
  /home/user/project              (main)
  /home/user/project/.worktrees/feature-new-auth-flow  (feature/new-auth-flow)

VS Code Integration (из .vscode/settings.local.json.example):

{
  "folders": [
    {
      "name": "🏠 Main Project",
      "path": "."
    },
    {
      "name": "🌿 Feature: New Auth",
      "path": ".worktrees/feature-new-auth-flow"
    },
    {
      "name": "🌿 Feature: Dashboard Redesign",
      "path": ".worktrees/feature-dashboard-redesign"
    }
  ]
}

Использование:

Открываем VS Code
В селекторе папок видим 3 workspace:
- Main Project (production hotfixes)
- Feature: New Auth (Claude Code active)
- Feature: Dashboard Redesign (Claude Code active)
Переключаемся между ними через селектор (не через git checkout)
Каждый worktree = отдельная сессия Claude Code = изолированный контекст

Реальная практика (мы так работаем):

Main workspace: Мониторинг продакшена, hotfix если нужно
Worktree 1: Фича A (Claude Code активно работает)
Worktree 2: Фича B (Claude Code активно работает)
Worktree 3: Фича C (Claude Code активно работает)
Worktree 4: Experimental refactoring (Claude Code следит)

Результат: 5-7 проектов одновременно, нулевое загрязнение контекста, изолированное тестирование.

MCP Dynamic Switching: управление контекстным бюджетом

Проблема

Claude Code MCP Servers предоставляют мощные интеграции:

Context7: Документация библиотек (~600 токенов)
Supabase: Операции с БД (~1500 токенов)
Sequential Thinking: Усиленная логика (~500 токенов)
Playwright: Автоматизация браузера (~800 токенов)
shadcn: UI компоненты (~700 токенов)

Проблема: FULL конфигурация = ~5000 токенов (10% контекстного окна).

Реальность: Редко нужны все серверы одновременно.

Решение: switch-mcp.sh

Скрипт (100 строк bash):

#!/bin/bash

echo "MCP Configuration Switcher"
echo "Current: $(cat .mcp.json | jq -r '.mcpServers | keys | length') servers"
echo ""
echo "Available configurations:"
echo "1) BASE (~600 tokens) - Context7 + Sequential Thinking"
echo "2) SUPABASE (~2500 tokens) - BASE + Supabase"
echo "3) FRONTEND (~2000 tokens) - BASE + Playwright + shadcn"
echo "4) FULL (~5000 tokens) - All servers"
echo ""
read -p "Select: " choice

case $choice in
  1) cp mcp/.mcp.base.json .mcp.json ;;
  2) cp mcp/.mcp.supabase.json .mcp.json ;;
  3) cp mcp/.mcp.frontend.json .mcp.json ;;
  4) cp mcp/.mcp.full.json .mcp.json ;;
esac

echo "✅ Switched to $config"
echo "⚠️  Restart Claude Code to apply"

Реальный workflow:

09:00 - Утро: BASE config (general development)
       ~ Работа над фичами, рефакторинг

11:30 - Задача с БД: ./switch-mcp.sh → SUPABASE
       ~ Создание миграций, изменение схемы

14:00 - UI работа: ./switch-mcp.sh → FRONTEND
       ~ Компоненты, стили, Playwright тесты

16:30 - Сложная фича: ./switch-mcp.sh → FULL
       ~ Нужно всё сразу (БД + UI + тесты)

18:00 - Конец дня: ./switch-mcp.sh → BASE
       ~ Обратно на минимальную конфигурацию

Экономия: 500-4500 токенов контекста. Загружаем только то, что нужно сейчас.

Webhook Integration: уведомления о завершении задач

Проблема

Запустили задачу в Claude Code → переключились на другой проект → не знаем, когда возвращаться → теряем время.

Решение

Конфигурация (.claude/settings.local.json):

{
  "hooks": {
    "Stop": [
      {
        "type": "command",
        "command": "notify-send 'Claude Code' 'Task completed!' -i checkbox-checked"
      }
    ]
  }
}

Как работает:

Claude Code завершает задачу (статус "Stop")
Триггерится webhook
Выполняется команда (notify-send на Linux, osascript на macOS)
Приходит системное уведомление

Примеры:

Telegram Bot:

curl -s -X POST https://api.telegram.org/bot{TOKEN}/sendMessage \
  -d chat_id={CHAT_ID} \
  -d text="✅ Claude Code: Task completed in worktree feature-new-auth"

Slack Webhook:

curl -X POST https://hooks.slack.com/services/YOUR/WEBHOOK \
  -d '{"text":"Claude Code task completed!", "channel":"#dev-notifications"}'

Результат: Запустил задачу → переключился на другое → получил уведомление → вернулся ровно когда нужно. Продуктивность растёт.

Результаты: метрики из реальной практики

Эти цифры — не прогнозы, а данные из работы AI Dev Team за последние 2 года.

Скорость разработки

Традиционный подход: 2-3 месяца на проект средней сложностиС оркестратором: 1-2 неделиУскорение: ~75% быстрее

Почему быстрее?

Параллельная работа: 5-7 проектов одновременно через worktrees
Автоматизация рутины: health workflows работают без участия человека
Нет простоя: webhook-уведомления при завершении задач

Стоимость

Традиционный IT-отдел: ~20 специалистов для 5-7 параллельных проектовС оркестратором: 3 человека + 33 AI-агентаСнижение стоимости: -80%

Откуда экономия?

Автоматические проверки (quality gates) вместо ручного code review
Автоматическое обнаружение багов и уязвимостей (health workflows)
Систематический рефакторинг (dead code cleanup, dependency updates)

Качество

Парадокс: Меньше багов, чем при традиционной разработке.

Почему?

Обязательная верификация: После каждой задачи — type-check + build + тесты
Автоматические security-сканы: Регулярные проверки на SQL injection, XSS, RLS gaps
Систематический подход: Все задачи выполняются по одним и тем же паттернам

Контекстное окно

Standard Claude Code: ~50K токенов после нескольких задач (непригодно для работы)Orchestrator Kit: ~10-15K токенов в главном оркестраторе (стабильно)Результат: Можно работать над проектом бесконечно долго

Масштабируемость

Традиционный отдел: Больше проектов = больше людейС оркестратором: Создаём новых субагентов через meta-agent (2-3 минуты), добавляем worktree (30 секунд)Текущая пропускная способность: 5-7 проектов одновременно (3 человека)

Техническая архитектура: краткий обзор

Файловая организация:

.claude/
  ├─ agents/
  │   ├─ health/
  │   │   ├─ orchestrators/ (bug-orchestrator, security-orchestrator)
  │   │   └─ workers/ (bug-hunter, bug-fixer, security-scanner)
  │   ├─ meta/ (meta-agent-v3, skill-builder-v2)
  │   └─ speckit/ (planning-agent, task-executor)
  │
  ├─ commands/ (19+ slash команд)
  │   ├─ health-bugs.md
  │   ├─ worktree-create.md
  │   └─ push.md
  │
  ├─ skills/ (15+ переиспользуемых утилит)
  │   ├─ run-quality-gate/
  │   ├─ validate-plan-file/
  │   └─ generate-report-header/
  │
  └─ schemas/ (JSON схемы для plan files)

mcp/ (6 MCP конфигураций)
  ├─ .mcp.base.json (~600 токенов)
  ├─ .mcp.supabase.json (~2500 токенов)
  └─ .mcp.full.json (~5000 токенов)

CLAUDE.md (Behavioral OS — правила оркестрации)

Компоненты:

33+ агентов: 4 orchestrators + 24 workers + 5 support
19+ команд: health workflows, worktree management, releases
15+ skills: validation, formatting, parsing utilities
6 MCP configs: BASE → FULL (контроль контекстного бюджета)

Дисклеймер: ожидаемая критика и моя позиция

Понимаю, что эта статья вызовет негатив у части разработчиков. Истории про «vibe coding», опасения «AI заменит программистов», обвинения в упрощении.

Моё мнение: Эта реакция — больше про страх, смешанный с надменностью, чем про техническую критику.

Страх: «Если AI делает мою работу, что будет со мной?»Надменность: «Только люди могут писать настоящий код, AI — игрушка.»

Реальность: AI не заменяет хороших разработчиков. Он их усиливает. Orchestrator Kit — не про замену программистов. Это про:

Удаление рутины (автоматические проверки, детекция багов)
Систематизацию процессов (качественные гейты, верификация)
Сохранение контекста (чтобы разработчики фокусировались на архитектуре и сложных проблемах)

Если не согласны — отлично. Склонируйте репо, попробуйте, а потом расскажите, где я не прав. Предпочитаю технические аргументы эмоциональным реакциям.

Установка и начало работы

NPM Installation:

npm install -g claude-code-orchestrator-kit

Ручная установка:

git clone https://github.com/maslennikov-ig/claude-code-orchestrator-kit.git
cd claude-code-orchestrator-kit
./switch-mcp.sh  # Выбрать BASE конфигурацию
# Перезапустить Claude Code
# Попробовать /health-bugs

Интеграция в существующий проект:

Копируем .claude/ в свой проект
Копируем mcp/ конфигурации
Копируем CLAUDE.md (Behavioral OS)
Настраиваем .env.local (если нужны credentials)
Запускаем ./switch-mcp.sh → выбираем BASE
Перезапускаем Claude Code
Пробуем /health-bugs для проверки

Что дальше: анонс серии

Эта статья — часть 1 из 3. Я рассказал о концепции, архитектуре, ключевых паттернах.

Часть 2 будет про Deep Dive в технические детали

Полная структура воркера (5 фаз с примерами кода)
meta-agent-v3 внутри (как создаются агенты за 2-3 минуты)
Health workflows: полный разбор итеративных циклов
Skills Library: создание переиспользуемых утилит

Часть 3 - Практические кейсы и рабочие процессы

Реальные примеры из AI Dev Team (кейсы с цифрами)
Worktree workflow для 5-7 параллельных фич
MCP switching стратегии (когда что использовать)
Lessons learned за 2 года работы

Контакты и обратная связь

📱 Telegram

Канал (редкие, но интересные посты): https://t.me/maslennikovigor

Прямой контакт (для обсуждений): https://t.me/maslennikovig

Нужно обсудить напрямую? Пишите. Всегда открыт к диалогу.

💬 Обратная связь: я широко открыт

Буду очень рад услышать:

Критику — Что не так с этим подходом? Где слабые места?
Идеи — Какие фичи добавить? Чего не хватает?
Предложения — Как улучшить, оптимизировать, рефакторить систему?
Вопросы — Что-то неясно? Спрашивайте.

Каналы для связи:

GitHub Issues: https://github.com/maslennikov-ig/claude-code-orchestrator-kit/issues (для багов, фич-реквестов)
GitHub Discussions: https://github.com/maslennikov-ig/claude-code-orchestrator-kit/discussions (для идей и вопросов)
Telegram: https://t.me/maslennikovig (для прямого диалога)

Игорь МасленниковОснователь AI Dev Team
В IT с 2013 года

Репозиторий: https://github.com/maslennikov-ig/claude-code-orchestrator-kit
Лицензия: MIT (полностью бесплатно для коммерческого использования)

Продолжение следует: Часть 2 — Deep Dive в технические детали

Frontender`s Spectre

[PurpleSchool | Anton Larichev] OpenClaw/ClawdBot/MoltBot: Полный гайд по AI-Агенту у вас в кармане

Изоляция контекста через субагенты: архитектурный паттерн для долгосрочной работы с Claude Code

Почему я не верю в ИИ-агентов в 2025 году, несмотря на то, что сам их разрабатываю

Я собрал «команду мечты» из AI-агентов, чтобы заменить продакт-менеджера и консультанта. И знаете что? Это работает