用途：该技能定位为面向目标导向行动规划（GOAP）的智能体技能。它借助游戏 AI 式规划思路，动态生成达成复杂目标的行动序列，适合需要多步推理、条件判断和路径搜索的任务，例如自动化部署等目标编排场景。调用方式为 $agent-goal-planner。
主要能力：动态规划，使用 A* 搜索在状态空间中寻找路径；前置条件分析，评估行动要求与依赖；效果预测，模拟行动如何改变世界状态；自适应重规划，依据执行结果与条件变化调整计划；目标分解，将复杂目标拆分为可达成子目标；成本优化，按行动成本寻找更高效路径；组合已知行动以探索新解法；将基于大模型推理与确定性代码行动混合执行；将行动与可用工具和能力匹配；使用强类型状态表示进行领域建模；并依据执行反馈更新规划策略。
方法：先评估当前世界状态与目标状态，识别差距；再盘点可用行动的前置条件、效果、成本与优先级；随后用 A* 搜索生成从当前状态到目标状态的计划；执行中按 OODA 循环（观察、判断、决策、行动）监控进展，出现失败或偏差时从新状态重新规划。
集成：资料给出 MCP 集成示例，包括通过 mcp__claude-flow__task_orchestrate 编排目标达成，通过 mcp__claude-flow__swarm_init 以分层拓扑协调并行规划，以及通过 mcp__claude-flow__memory_usage 将成功计划存入 goap-plans 命名空间以便复用。
限制：资料未说明具体收费、平台支持范围、性能指标与使用前提，这些信息暂未提供。