用途：把自然语言请求转成可运行、可测试的 Agenta 智能体，通过写一份 JSON 配置并运行随附脚本完成，目标是调用最少、最快。最简单的智能体只需两步：写配置、运行 build.sh。Agenta 是开源 LLM 应用与智能体构建、测试、部署平台，本技能通过 Agenta HTTP API 构建智能体。
首次准备：需要 AGENTA_API_KEY，自托管时另需 AGENTA_HOST（默认 https://cloud.agenta.ai）。可写入工作目录 .env，或提供导出命令；不要打印或提交密钥。运行 bash scripts/check-prereqs.sh 验证 bash、curl、jq，缺失时按提示安装。
智能体形态：一个 JSON 对象 parameters.agent，主要决定 instructions.agents_md、tools、skills 以及是否需要触发器。llm / harness / runner / sandbox 按给定样板保留，model 使用别名（sonnet、opus、haiku、default）。
使用流程：按需用 discover-tools.sh 发现集成动作，若连接未就绪需停下请用户连接。将配置写入 configs/，再用 bash scripts/build.sh <config> <slug> "<test message>" 一次完成创建与测试，检查 OUTPUT 与 RESOLVED。需要触发器时用 create-schedule.sh 或 create-subscription.sh，须同时提供 variant id 与 revision id（或 latest）。修改已有智能体用 update-agent.sh 提交新版本，再测试。
主要脚本包括 check-prereqs.sh、build.sh、create-agent.sh、test-agent.sh、discover-tools.sh、discover-triggers.sh、update-agent.sh、create-schedule.sh、create-subscription.sh、triggers.sh、check-tools.sh、archive-agent.sh。限制与注意：触发器缺 revision id 会无绑定版本；测试后 RESOLVED 须与预期一致；多工具运行需看 TOOLS 行；连接 needs_auth 时应停止并请用户连接；发现结果只是高召回猜测，需核对集成与事件是否匹配。更细内容见 references/ 下文档。