Plano para transformar esta aba num painel real de orquestração do time OpenClaw (Sara, Investor, Daily Banker, Backoffice): cada agente com config, histórico e aprendizados, e tarefas que o agente certo executa lendo o próprio escopo. Consolidado por uma equipe de 6 subagents (contrato + 4 fases + integração), aterrissado no código real. Nada implementado ainda — é o blueprint.
organization.json. Cada skill é um .md que define o que o agente faz — o "ele lê o que faz" já existe.atividades. Agentes já leem/escrevem via MCP (list_tarefas_abertas, create_tarefa, mark_atividade_done).hub-advisory + um gateway com token (habilita disparo remoto na fase 2).atividades/adv, /adm e #todo já usam ganha agent_id, skill, run_status, result e tempos. O roteamento por categoria continua coexistindo.agent_runsagent_settingsorganization.json.run_status)get_organizationa aba lê o time REAL (zero hardcode)assign_tarefa_agenteatribui agente + skill a uma tarefaenfileirar_tarefao ▶ — manda pra filaproximas_execucoesa fila que o heartbeat puxaregistrar_execucaoo agente reporta início/fim do runlistar_execucoeshistórico + KPIs por agenteset_agent_configliga/desliga, autonomia, modeloAo receber uma atividade, o subagent acorda com 3 camadas injetadas no contexto — é o que faz ele responder direcionado:
skill_file da skill (ex. youtube-skill.md) + a persona base (SOUL/AGENTS/IDENTITY). Já é assim que o OpenClaw funciona.agent_runs recentes daquele agente/skill entram via listar_execucoes. O subagent é efêmero — a "memória" é carregada, não lembrada sozinha.LESSONS.md ou tabela) injetado junto — o que funcionou/falhou antes.awaiting_review você aprova, corrige ou manda refazer (▶ de novo). E pelo Telegram a Sara é sempre interativa.agent_id=specialist, skill=/youtube, run_status=queued.youtube-skill.md no contexto, e executa.agent_runs(done, "3 vídeos resumidos…") e marca a atividade. A aba mostra concluída, o KPI do Investor sobe e o histórico ganha a linha.awaiting_review — você aprova antes de marcar feito.atividades.user_id pode não existir em produção — se o isolamento por usuário não foi aplicado, toda tool quebra. Verificar ANTES de tudo (Passo 0).server.js é CommonJS e não importa o MCP (ESM) → o disparo do Hub vai por REST direto ao Supabase.public/mcp deploya pro OpenClaw, não pro Hub → as tools MCP só "ligam" com push-to-vps + docker restart.agentes-native.html (campos do banco: agent_id/title/run_status) — não mistura os nomes do mock com os do banco.atividades.user_id existe em produção (e aplicar o isolamento se faltar).atividades + tabelas agent_runs/agent_settings + RLS + índices.get_organization + listar_execucoes (deploy no OpenClaw).agentes-native.html (app.css, campos do banco, read-only) + iframe apontando pra ela.organization.json) + tarefas/histórico do Supabase. Ainda sem executar nada. Baixo risco, já entrega valor.agent_id+skill, run_status, pull no OpenClaw → primeira execução de verdade (começando pela skill mais simples, ex. /youtube ou /dados).agent_runs (custo, logs), config por agente na aba, e o dossiê (histórico + aprendizados injetados no disparo).