Claude Code Plugin Journey Parte 0: Agent Team Creator

¿Qué pasaría si pudieras apuntar una IA a tu proyecto y hacer que genere especialistas que realmente entienden tu stack? No asistentes genéricos—agentes que conocen tu arquitectura, tus patrones, tus convenciones.

Eso es lo que hace agent-team-creator. Déjame mostrarte el flujo de trabajo.

Escenario 1: Genera tu Equipo de Agentes

Comienzas un nuevo proyecto—o te unes a uno existente. El código base es desconocido. Necesitas ayuda, pero los consejos genéricos de IA no son suficientes.

Paso 1: Genera tu equipo de agentes

/generate-agent-team

Observa cómo el plugin analiza tu proyecto:

Analizando código base...
├── Lenguajes: Python (75%), TypeScript (20%), SQL (5%)
├── Frameworks: FastAPI, React, SQLAlchemy
├── Arquitectura: Monorepo con separación backend/frontend
├── Patrones: Patrón repository, inyección de dependencias

Generando agentes especializados...

✓ fastapi-expert
  Conoce: Tus patrones de endpoints, modelos Pydantic, stack de middleware

✓ react-specialist
  Conoce: Tu librería de componentes, gestión de estado, patrones de hooks

✓ database-architect
  Conoce: Tus modelos SQLAlchemy, patrones de migración, convenciones de consultas

✓ test-strategist
  Conoce: Tus fixtures de pytest, patrones de mocking, utilidades de testing

Equipo guardado en .claude/agents/

Paso 2: Usa tus agentes inmediatamente

Ahora tienes especialistas conscientes del proyecto. Así es como usarlos:

Pregunta sobre arquitectura:

Usa el agente fastapi-expert para explicar cómo funciona
la autenticación en este proyecto

Implementa una funcionalidad:

Usa el agente react-specialist para ayudarme a añadir un nuevo
componente de dashboard siguiendo nuestros patrones existentes

Depura un problema:

Usa el agente database-architect para ayudarme a entender por qué
esta consulta es lenta - revisa src/repositories/user_repo.py

Escribe tests:

Usa el agente test-strategist para escribir tests de integración para
el nuevo endpoint de pagos siguiendo nuestras convenciones de testing

¿La diferencia? Estos agentes no dan consejos genéricos. Referencian tus archivos, tus patrones, tus convenciones.

Escenario 2: Flujo de Trabajo Avanzado de Depuración

Después de generar tu equipo de agentes, puedes crear un Project Debugger—un orquestador que coordina a tus especialistas para diagnosticar problemas complejos.

Paso 1: Genera el Project Debugger

/generate-debugger

Descubriendo agentes del proyecto...
├── Encontrados: fastapi-expert, react-specialist, database-architect, test-strategist

Analizando arquitectura del proyecto...
├── Puntos de entrada identificados
├── Patrones de manejo de errores mapeados
├── Convenciones de logging detectadas

Generando project-debugger.md...

✓ Creado: .claude/agents/project-debugger.md
  - Orquesta tus 4 agentes especialistas
  - Produce informes de depuración estructurados
  - Identifica causas raíz con referencias archivo:línea

Paso 2: Usa el Debugger para investigar

Cuando encuentres un bug, invoca el project debugger:

Usa el agente project-debugger para investigar: Los usuarios están
recibiendo errores 500 cuando envían el formulario de checkout

El debugger orquesta a tus especialistas:

Consultando fastapi-expert...
├── Trazado flujo de request a través de api/routes/checkout.py
├── Encontrado: PaymentService.process() lanza excepción no manejada

Consultando database-architect...
├── Verificado manejo de transacciones en repositories/order_repo.py
├── Encontrado: Falta rollback en fallo de pago

Consultando test-strategist...
├── Revisada cobertura de tests para flujo de checkout
├── Encontrado: No hay test para escenario de fallo de pago

Generando informe de depuración...

Paso 3: Genera un informe de depuración

El debugger produce un informe estructurado guardado en .claude/reports/debugging/:

# Informe de Depuración: Errores 500 en Checkout

## Causa Raíz
Falta manejo de excepciones en PaymentService.process()
(src/services/payment.py:45) combinado con falta de
rollback de transacción (src/repositories/order_repo.py:78)

## Evidencia
- Archivo: src/services/payment.py:45-52
- Archivo: src/repositories/order_repo.py:78-85
- Test faltante: tests/integration/test_checkout.py

## Corrección Recomendada
1. Añadir try/except en payment.py:45
2. Implementar rollback en order_repo.py:78
3. Añadir test de escenario de fallo

## Efectos Secundarios
- Los pedidos pueden estar en estado inconsistente (necesita migración)

Paso 4: Crea un ticket de Jira desde el informe

Ahora convierte ese informe en una tarea de Jira. El comando encuentra automáticamente el informe de depuración más reciente:

/generate-jira-task

Buscando último informe de depuración...
├── Encontrado: .claude/reports/debugging/report-2026-01-06-1430.md

Cargando informe de depuración...

Buscando issues similares...
├── Buscando: "checkout payment exception rollback"
├── Encontrados 2 issues potencialmente relacionados:

  PROJ-234: "Payment processing timeout errors"
           Estado: En Progreso

  PROJ-189: "Checkout form validation issues"
           Estado: Hecho

¿Cómo deseas proceder?
> Crear nueva tarea de todos modos
> Abortar - Actualizaré un issue existente

Si eliges crear una nueva tarea:

Creando issue de Jira...
✓ Creado: PROJ-456 "Fix checkout 500 errors: missing exception handling"
  https://yourcompany.atlassian.net/browse/PROJ-456

La verificación de duplicados previene llenar tu backlog con issues relacionados. Si el bug es una variante de un issue existente, puedes actualizar ese ticket en lugar de crear uno nuevo.

¿No tienes Jira configurado? El comando degrada gracefully a generar un archivo markdown listo para copiar en .claude/reports/jira-drafts/.

Escenario 3: Flujo de Trabajo Repetible para Múltiples Bugs

Cada investigación de bug crea su propio informe de depuración, que lleva a su propio ticket de Jira. Así es como el flujo escala a través de múltiples issues:

Lunes: Problema de rendimiento de API

Usa el agente project-debugger para investigar: ¿Por qué están
subiendo los tiempos de respuesta de la API durante horas pico?

Informe guardado: .claude/reports/debugging/report-2026-01-06-0900.md

/generate-jira-task

Creado: PROJ-457 "Optimize database connection pooling for peak load"

Martes: Bug de renderizado en frontend

Usa el agente project-debugger para investigar: El gráfico del
dashboard no se actualiza cuando llegan nuevos datos

Informe guardado: .claude/reports/debugging/report-2026-01-07-1100.md

/generate-jira-task

Creado: PROJ-458 "Fix React state synchronization in DashboardChart component"

Miércoles: Caso edge de autenticación

Usa el agente project-debugger para investigar: Los usuarios están
siendo deslogueados aleatoriamente después de cambios de contraseña

Informe guardado: .claude/reports/debugging/report-2026-01-08-1400.md

/generate-jira-task

Creado: PROJ-459 "Handle session invalidation on password change correctly"

Cada investigación es independiente. El debugger crea informes con timestamp, y /generate-jira-task siempre toma el más reciente. Tu historial de depuración se acumula en .claude/reports/debugging/, dándote un archivo buscable de investigaciones pasadas.

El Flujo de Trabajo Completo

Inicio Rápido

Instalación

Instala directamente desde el marketplace de GitHub—no requiere clonar:

# Añade el marketplace (configuración única)
/plugin marketplace add Cpicon/claude-code-plugins

# Instala el plugin
/plugin install agent-team-creator

Eso es todo. El plugin está listo para usar inmediatamente.

Primeros Comandos

1. Navega a tu proyecto
2. Ejecuta /generate-agent-team para crear tus agentes especialistas
3. Comienza a usar tus especialistas: Usa el agente [nombre-agente] para...
4. Ejecuta /generate-debugger para crear tu project debugger
5. Usa el debugger para investigar bugs: Usa el agente project-debugger para investigar...
6. Ejecuta /generate-jira-task para convertir el informe de depuración en un ticket

Lo Que Obtienes

Ahorro de Tiempo

Pruébalo Tú Mismo

El plugin es open source y está disponible en GitHub: Cpicon/claude-code-plugins

Instálalo con dos comandos, ejecuta /generate-agent-team, y observa qué especialistas emergen para tu proyecto.

Contribuir y Feedback

¿Tienes ideas para mejoras? ¿Encontraste un bug? La pestaña GitHub Issues es donde puedes:

• Solicitar features — Sugerir nuevas capacidades o mejoras
• Reportar bugs — Ayudar a mejorar la fiabilidad reportando issues que encuentres
• Discutir mejoras — Compartir ideas para mantenimiento y desarrollo del plugin

Tu feedback da forma al roadmap del plugin.

En la Parte 1, te mostraré cómo construí este plugin—los bugs que encontré, los patrones que descubrí, y por qué la arquitectura funciona como lo hace.

Navegación de la Serie:

• Parte 0 (Estás aquí): Qué hace el plugin y cómo usarlo
• Parte 1: El Patrón de Arquitectura Híbrida — Construyendo el plugin
• Parte 2: La Paradoja de la Herencia — Insights de investigación