feat(coordinator): 添加团队节点默认最大工具迭代次数配置

添加 DEFAULT_TEAM_NODE_MAX_TOOL_ITERATIONS 配置项以控制团队节点的最大工具迭代次数，
并修改 LocalAgentRunner 中的逻辑来使用此默认值当 envelope 中未指定时。

fix(runtime): 修复团队节点运行成功判断逻辑

更新运行成功判断条件，将 finish_reason 为 "max_tool_iterations_finalized" 的情况
视为运行失败，并添加对原始工具调用输出的检测，避免将其误判为成功完成。

feat(mcp): 添加团队工作流MCP工具类别支持

增加新的本地MCP工具类别 "team_workflow" 及其对应的工具创建功能，
为团队工作流提供本地工具支持。

refactor(engine): 调整AgentLoop最大工具迭代次数设置

将 AgentProfile 中的默认 max_tool_iterations 从 30 增加到 100，
同时移除 TaskExecutionPlanner 构造函数中的重复参数传递。

perf(mcp): 优化MCP连接管理避免重复连接

添加 mcp_connected 标志来跟踪MCP连接状态，确保 connect_all 只执行一次，
提高性能并避免不必要的重复连接。

refactor(skills): 移除技能团队模板相关功能

移除与技能团队模板相关的代码，包括解析、存储和处理逻辑，
简化技能记录结构和加载流程。

feat(process): 增强会话过程投影器功能

添加技能激活快照事件处理，改进团队运行完成消息显示，
并增强技能激活事件的时间戳记录功能。

refactor(tasks): 简化任务尝试编排器团队执行逻辑

移除团队执行相关代码，将所有任务统一按单步执行处理，
简化任务编排器的复杂度并提升执行效率。

fix(evidence): 修复节点证据评估中需求验证逻辑

更新节点证据评估逻辑，跳过自然语言证据需求的确定性验证，
只执行机器可读的需求验证，避免因自然语言需求导致的节点失败。

app-instance/backend/beaver/team_workflows/agent_rearrange.py

@@ -0,0 +1,70 @@
+"""AgentRearrange graph builder using arrow/comma flow syntax."""
+
+from __future__ import annotations
+
+from typing import Any, Iterable
+
+from beaver.coordinator.models import ExecutionGraph
+
+from .base import (
+    WorkflowAgentSpec,
+    agent_name_set,
+    build_graph_from_dependencies,
+    edges_to_dependencies,
+    parse_agents,
+    validate_no_disconnected_agents,
+)
+
+WORKFLOW_NAME = "AgentRearrange"
+
+
+def build_graph(
+    *,
+    task: str,
+    agents: Iterable[WorkflowAgentSpec | dict[str, Any]],
+    flow: str,
+) -> ExecutionGraph:
+    del task
+    parsed = parse_agents(agents)
+    edges = parse_flow(flow, known_agents=agent_name_set(parsed))
+    dependencies = edges_to_dependencies(agents=parsed, edges=edges)
+    validate_no_disconnected_agents(agents=parsed, dependencies=dependencies)
+    return build_graph_from_dependencies(
+        workflow_name=WORKFLOW_NAME,
+        strategy="dag",
+        agents=parsed,
+        dependencies=dependencies,
+    )
+
+
+def parse_flow(flow: str, *, known_agents: set[str]) -> list[tuple[str, str]]:
+    stages = _parse_stages(flow)
+    edges: list[tuple[str, str]] = []
+    for stage in stages:
+        for name in stage:
+            if name not in known_agents:
+                raise ValueError(f"workflow flow references unknown agent: {name}")
+    for left, right in zip(stages, stages[1:], strict=False):
+        for source in left:
+            for target in right:
+                edge = (source, target)
+                if edge not in edges:
+                    edges.append(edge)
+    return edges
+
+
+def _parse_stages(flow: str) -> list[list[str]]:
+    raw_flow = str(flow or "").strip()
+    if not raw_flow:
+        raise ValueError("workflow flow is required")
+    stages: list[list[str]] = []
+    for raw_stage in raw_flow.split("->"):
+        names = [name.strip() for name in raw_stage.split(",") if name.strip()]
+        if not names:
+            raise ValueError("workflow flow contains an empty stage")
+        if len(names) != len(set(names)):
+            raise ValueError("workflow flow contains duplicate agent names in a stage")
+        stages.append(names)
+    if len(stages) < 2:
+        raise ValueError("workflow flow must contain at least two stages")
+    return stages