Agent-dispatch: seus projetos já são agentes, apenas deixe-os conversar

Eu tenho três agentes Claude Code. O Coder vive em um repositório. O Analytics tem acesso ao banco de dados de produção via Dbecho MCP. O Infra está conectado ao Portainer MCP. Eles são ótimos em seus trabalhos, mas não conseguiam se comunicar. Eu era o roteador copiando respostas entre janelas, reformulando perguntas, copiando de volta.

Então eu construí agent-dispatch para parar de ser um clipboard humano.

O problema

A abordagem monolítica de um agente com dez servidores MCP e um enorme CLAUDE.md leva à confusão de ferramentas. Seu agente tenta acessar o Portainer quando você pergunta sobre migrações SQL porque tudo está em sua visão periférica.

A abordagem de múltiplas sessões com agentes especializados em janelas separadas funciona, mas você se torna o barramento de mensagens. Três vezes por dia está bom. Trinta não está.

O insight

Seus projetos já são agentes. Cada diretório tem um CLAUDE.md com conhecimento de domínio, .mcp.json com ferramentas, histórico do git para contexto. Você não precisa reconstruir nada em um framework. Você só precisa conectá-los.

agent-dispatch add analytics ~/projects/analytics
agent-dispatch add infra ~/projects/infra

É isso. O agent-dispatch lê o que já está lá e registra o agente.

Como funciona

Cada dispatch("analytics", "...") gera um processo claude -p no diretório alvo. Ele pega automaticamente o CLAUDE.md e a configuração MCP daquele projeto. O chamador recebe um JSON de volta. Isolamento de subprocessos: se um falhar, os outros não se importam.

O agent-dispatch é um servidor MCP em si, então qualquer sessão Claude Code o vê como apenas mais um conjunto de ferramentas. Sem DSL, sem framework de orquestração.

Exemplo real de ontem: O Coder perguntou ao Analytics se a feature_x ainda é usada (2% dos usuários, em declínio). Depois perguntou ao Infra sobre erros relacionados em produção (zero em um mês). Feature deletada. Eu não toquei em nada.

Além de chamadas simples

dispatch_parallel — distribui para múltiplos agentes, coleta resultados, sintetiza. Map-reduce para opiniões de especialistas.
dispatch_dialogue — dois agentes iteram sobre um problema não especificado até [RESOLVIDO]. Como uma conversa entre PM e desenvolvedor, mas ambos os lados são IA.
dispatch_stream — progresso em tempo real do agente alvo. Chega de olhar para um terminal silencioso.

Segurança

Limite de profundidade de 3 (sem loops A→B→A). Semáforo de concorrência. Orçamentos em dólares por agente. Cache de resposta com TTL de 5 minutos para perguntas repetidas. Tudo validado pelo Pydantic.

O que isso NÃO é

Não é um substituto para LangGraph/CrewAI (esses são para construir agentes do zero com gráficos complexos). Não é autônomo — você é o humano no loop. Não vale a pena usar para perguntas que seu agente pode responder sozinho; cada dispatch é uma sessão completa do Claude.