langchain-ai/deep-agents-orchestration

INVOQUEZ CETTE COMPÉTENCE lors de l'utilisation de sous-agents, de planification de tâches ou d'approbation humaine dans Deep Agents. Couvre SubAgentMiddleware, TodoList pour la planification et les interruptions HITL.

Qu'est-ce que deep-agents-orchestration ?

Cette compétence est conçue pour les développeurs utilisant le framework Deep Agents (par exemple, via LangGraph ou des frameworks similaires) afin de gérer l'orchestration complexe de plusieurs agents. Elle permet de déléguer des tâches à des sous-agents via `SubAgentMiddleware`, de planifier des séquences de tâches avec `TodoList`, et d'intégrer des flux d'approbation humaine via des interruptions `HITL` (Human-In-The-Loop). Pour les sous-agents, `SubAgentMiddleware` s'occupe de la création, de l'appel et de la collecte des résultats. `TodoList` permet de définir une liste ordonnée de tâches à exécuter par l'agent principal ou ses sous-agents. Enfin, le système d'interruption `HITL` permet de suspendre l'exécution à des points spécifiques pour recueillir une validation humaine avant de poursuivre, ce qui est essentiel pour les applications nécessitant de la supervision ou des décisions critiques. Cette compétence fonctionne principalement avec Deep Agents, un framework pour la construction d'agents multi-étapes.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/langchain-ai/langchain-skills/tree/main/skills/deep-agents-orchestration

Installed? Explore more Productivité et collaboration skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait deep-agents-orchestration ?

INVOQUEZ CETTE COMPÉTENCE lors de l'utilisation de sous-agents, de planification de tâches ou d'approbation humaine dans Deep Agents. Couvre SubAgentMiddleware, TodoList pour la planification et les interruptions HITL.

Sous-agents (SubAgentMiddleware)

Le SubAgentMiddleware permet de déléguer des parties d'une tâche à des sous-agents spécialisés. Cela est utile pour diviser une tâche complexe en sous-tâches plus petites, gérables par des agents distincts. Le middleware gère automatiquement la création du sous-agent, l'envoi du contexte, l'exécution et la récupération du résultat.

Planification des tâches (TodoList)

TodoList fournit une structure pour planifier et suivre l'exécution de tâches. Vous pouvez définir une liste de tâches séquentielles ou parallèles, avec des dépendances et des statuts. L'agent peut utiliser cette liste pour décider dynamiquement de l'ordre d'exécution ou pour déléguer des tâches à des sous-agents.

Approbation humaine (HITL)

Les interruptions HITL (Human-In-The-Loop) permettent de suspendre l'exécution à des points clés et de demander une validation humaine avant de continuer. Cela est essentiel pour les flux où une décision humaine est nécessaire, par exemple pour approuver une action avant qu'elle ne soit exécutée.

Utilisation typique

  1. Créez un TodoList avec les tâches à accomplir.
  2. Utilisez SubAgentMiddleware pour déléguer certaines tâches à des sous-agents.
  3. Insérez des points d'interruption HITL aux endroits où une approbation humaine est requise.
  4. Exécutez le plan et gérez les interruptions en recueillant la réponse humaine avant de continuer.

Individual skills in this repo

This repo contains 11 individual skills — each has its own dedicated page.

langchain-ai/deep-agents-core

INVOKE THIS SKILL when building ANY Deep Agents application. Covers create_deep_agent(), harness architecture, SKILL.md format, and configuration options.

langchain-ai/deep-agents-memory

INVOKE THIS SKILL when your Deep Agent needs memory, persistence, or filesystem access. Covers StateBackend (ephemeral), StoreBackend (persistent), FilesystemMiddleware, and CompositeBackend for routing.

langchain-ai/framework-selection

INVOKE THIS SKILL at the START of any LangChain/LangGraph/Deep Agents project, before writing any agent code. Determines which framework layer is right for the task: LangChain, LangGraph, Deep Agents, or a combination. Must be consulted before other agent skills.

langchain-ai/langchain-dependencies

INVOKE THIS SKILL when setting up a new project or when asked about package versions, installation, or dependency management for LangChain, LangGraph, LangSmith, or Deep Agents. Covers required packages, minimum versions, environment requirements, versioning best practices, and common community tool packages for both Python and TypeScript.

langchain-ai/langchain-fundamentals

Create LangChain agents with create_agent, define tools, and use middleware for human-in-the-loop and error handling.

langchain-ai/langchain-middleware

INVOKE THIS SKILL when you need human-in-the-loop approval, custom middleware, or structured output. Covers HumanInTheLoopMiddleware for human approval of dangerous tool calls, creating custom middleware with hooks, Command resume patterns, and structured output with Pydantic/Zod.

langchain-ai/langchain-rag

INVOKE THIS SKILL when building ANY retrieval-augmented generation (RAG) system. Covers document loaders, RecursiveCharacterTextSplitter, embeddings (OpenAI), and vector stores (Chroma, FAISS, Pinecone).

langchain-ai/langgraph-fundamentals

INVOKE THIS SKILL when writing ANY LangGraph code. Covers StateGraph, state schemas, nodes, edges, Command, Send, invoke, streaming, and error handling.

langchain-ai/langgraph-human-in-the-loop

INVOKE THIS SKILL when implementing human-in-the-loop patterns, pausing for approval, or handling errors in LangGraph. Covers interrupt(), Command(resume=...), approval/validation workflows, and the 4-tier error handling strategy.

langchain-ai/langgraph-persistence

INVOKE THIS SKILL when your LangGraph needs to persist state, remember conversations, travel through history, or configure subgraph checkpointer scoping. Covers checkpointers, thread_id, time travel, Store, and subgraph persistence modes.

langchain-ai/swarm

Dispatches many independent items in parallel: create a table, fan out to subagents, aggregate results. One row = one unit of work.

Skills associés