$ loading_
可从单一MCP客户端并行启动多个自治AI代理完成复杂任务。
该工具声明可从单一 MCP 客户端并行生成自治 AI agent 会话，且每个 agent 具备独立工作区、工具与执行上下文；结合系统检查项显示其可执行代码，因此本地执行与数据访问需留意。未见需要密钥或远程端点，且为 MIT 开源仓库，这些因素降低了整体风险，但由于社区采用低、维护状态未知，仍建议在隔离环境中使用。
材料明确写明无需密钥/环境变量，未见要求提供 API token、账号口令或其他敏感凭证；基于现有材料，凭证泄露面较低。
声明中未列出任何远程端点，系统信息也标注 remote host 为无；现有材料未显示会将用户数据发送到外部服务。
系统已标记 executes-code，且描述称可生成并行自治 agent 会话、为每个 agent 分配工具与执行上下文，这表明其具备在本机发起执行任务/进程的常规能力；属 MCP 工具常见高权限面，需限制运行环境。
描述提到每个 agent 拥有独立 workspace 和 tools，意味着其通常会读写各自工作区内的本地文件或中间数据；材料未说明存在超出声明功能的过度授权，但应默认其可接触本地工作目录数据。
有公开 GitHub 仓库且为 MIT 开源，可审计性是明显正面因素；但来源为 third_party_registry、社区采用仅 0 star、维护状态未知，README 也缺失，可信度与成熟度证据有限，需自行审阅源码与依赖。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Super Subagents" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请为当前项目启动3个子代理：一个分析代码结构，一个编写测试用例，一个检查潜在性能问题；最后汇总每个代理的结果与建议。
返回各子代理的独立分析结果，以及一份合并后的任务结论和后续建议。
启动多个子代理分别研究这个技术方案的优势、风险、替代方案和实施成本，并输出对比表与最终建议。
生成分主题研究结论、结构化对比表，以及可执行的决策建议。
为发布流程启动两个独立子代理：一个准备部署步骤，一个验证环境与依赖；要求各自在独立工作区执行并汇总结果。
输出两个隔离执行流程的结果、发现的问题，以及统一的发布准备清单。
帮助用户创建、管理并组合可接入 MCP 客户端的 AI 代理与自定义工具。