Communitygithub.com

Systèmes Multi-Agents Wooldridge

Choisissez des architectures multi-agents en utilisant une analyse centrée sur l'environnement, la pression de coordination, le réglage de l'engagement et les niveaux de connaissance. À utiliser pour la conception d'autonomie, le choix de protocole et les défaillances de coordination. PAS pour la planification mono-agent, les ordonnanceurs centralisés ou les essaims à base de prompts uniquement.

Qu'est-ce que Systèmes Multi-Agents Wooldridge ?

Cette compétence fournit un cadre structuré pour la conception de systèmes multi-agents, en s'appuyant sur les principes fondateurs de Wooldridge. Elle guide le développeur à travers une analyse descendante : les propriétés de l'environnement (observabilité, déterminisme, dynamique) déterminent le choix architectural (réactif, délibératif ou hybride). La compétence met l'accent sur le fait que l'autonomie des agents implique une inversion de contrôle – les agents peuvent refuser, retarder ou interpréter localement les requêtes – et que la coordination émerge de contraintes environnementales (observabilité partielle, contention de ressources, interdépendance des objectifs) plutôt que d'une hypothèse de collaboration bienveillante. Elle traite des stratégies d'engagement (audace vs prudence) en fonction de la volatilité de l'environnement, et distingue les niveaux de connaissance (individuelle, partagée, commune, distribuée) pour éviter des hypothèses de protocole irréalistes. La compétence est conçue pour être utilisée avec des outils comme Claude Code, Cursor ou Codex, et fournit des diagrammes de décision, des exemples concrets (essaim de relecture LLM, surveillance de flotte) ainsi que des garde-fous pour les modes de défaillance courants comme la conception centrée sur l'architecture, l'autonomie anthropomorphique ou les hypothèses de connaissance impossibles.

Compatible avec✓Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/ai-wiley-wooldridge-an-introduction-to-multi-agent-systems

Demander à votre IA préférée

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

Documentation

Que fait Systèmes Multi-Agents Wooldridge ?

Utilisez cette compétence lorsque la question n'est pas « comment faire parler plusieurs modèles », mais « quel type de système autonome cet environnement me force-t-il à construire ? »

Quand l'utiliser

  • Vous devez choisir entre des architectures d'agents réactives, délibératives ou hybrides.
  • La coordination échoue parce que personne n'a d'informations complètes ou de contrôle incontesté.
  • Les agents ont besoin de stratégies de négociation, d'allocation ou d'engagement dans l'incertitude.
  • Une conception dépend de ce que les agents savent, de ce que tout le monde sait, ou même de la possibilité d'atteindre une connaissance commune.
  • Vous devez diagnostiquer si une conception « multi-agent » n'est en réalité qu'une orchestration asynchrone d'objets.

PAS pour

  • Les problèmes de planification ou d'optimisation mono-agent sans besoin de coordination.
  • Les ordonnanceurs centralisés où un seul contrôleur détient déjà les droits de décision globaux.
  • Les essaims de jeu de rôle basés uniquement sur des prompts, sans objectifs, croyances ou limites de contrôle distincts.
  • La conception de systèmes distribués génériques lorsque l'autonomie des agents et l'asymétrie des connaissances sont sans importance.

Modèles Mentaux Fondamentaux

Les Propriétés de l'Environnement Dictent l'Architecture

Commencez par l'observabilité, le déterminisme, la dynamique et la pression temporelle. Le choix architectural découle de la forme de l'environnement, pas d'une préférence personnelle pour un modèle d'agent à la mode.

L'Autonomie est une Inversion de Contrôle

Les agents ne sont pas de simples objets asynchrones. Ils décident s'ils doivent se conformer et quand, ce qui signifie que les requêtes nécessitent une sémantique, des refus et une logique de coordination plutôt qu'une obéissance implicite.

La Coordination Émerge des Contraintes

L'observabilité partielle, la contention de ressources et les objectifs interdépendants créent une pression de coordination. Une bonne conception de protocole commence par nommer cette pression au lieu de supposer que la collaboration est toujours souhaitable.

La Stratégie d'Engagement Doit Correspondre à la Volatilité

Les agents audacieux s'engagent trop dans des environnements changeant rapidement ; les agents prudents s'agitent dans des environnements stables. La fréquence de réexamen est un paramètre de conception lié à la dynamique de l'environnement, et non une meilleure pratique universelle.

Les Niveaux de Connaissance Comptent

La connaissance individuelle, « tout le monde sait », la connaissance commune et la connaissance distribuée ne sont pas interchangeables. Demander le mauvais niveau peut rendre un protocole impossible ou inutilement coûteux.

Points de Décision

flowchart TD
  A[Besoins d'une architecture agent] --> B{L'environnement est-il totalement observable et stable ?}
  B -->|Oui| C[Une conception simple réactive ou centrée planificateur peut suffire]
  B -->|Non| D{Besoin de réaction en temps réel sous incertitude ?}
  D -->|Oui| E[Architecture hybride]
  D -->|Non| F[Architecture délibérative]
  E --> G{Pourquoi les agents doivent-ils se coordonner ?}
  F --> G
  G -->|Informations partielles| H[Protocole de partage d'informations]
  G -->|Contention de ressources| I[Mécanisme de négociation ou d'allocation]
  G -->|Dépendance de tâche| J[Protocole d'engagement ou de délégation]
  G -->|Pas de réelle autonomie| K[Utilisez une conception centralisée plus simple]
  • Caractérisez l'environnement avant de choisir une architecture d'agent.
  • Si les agents ne peuvent pas refuser, retarder ou réinterpréter les requêtes, ne prétendez pas avoir une autonomie d'agent.
  • Choisissez intentionnellement les exigences de connaissance. De nombreux systèmes ont besoin de connaissance distribuée, pas de connaissance commune.
  • Ajustez l'audace de l'engagement au taux de changement de l'environnement et au coût du réexamen.

Modes de Défaillance

Conception Centrée sur l'Architecture

Indice : l'équipe veut du BDI, du débat ou un framework d'agents sophistiqué avant que quiconque puisse décrire l'environnement.

Correctif : forcez la caractérisation de l'environnement en premier.

Autonomie Anthropomorphique

Indice : la conception parle de croyances et de désirs mais ne peut pas les mapper à un état local, des observations ou des obligations de protocole.

Correctif : ancrez le langage mental dans un état computationnel concret.

Coordination pour Elle-Même

Indice : le trafic de communication augmente, mais personne ne peut expliquer quelle pression environnementale le justifie.

Correctif : identifiez la fonction de forçage réelle et concevez le protocole minimal qui y répond.

Contrôleur Central Caché

Indice : un « agent » prend silencieusement toutes les décisions importantes pendant que les autres exécutent simplement.

Correctif : admettez que l'architecture est centralisée ou redistribuez de véritables droits de décision.

Hypothèses de Connaissance Impossible

Indice : l'exactitude du protocole dépend du fait que chaque agent sache que chaque autre agent connaît un fait, mais le réseau n'est pas fiable.

Correctif : assouplissez vers la connaissance distribuée, les acquittements ou la cohérence éventuelle selon ce que l'environnement permet.

Exemples Concrets

Essaim de Relecture LLM Spécialisé

Un système de codage utilise des agents de sécurité, de performance et de style. Les relectures de sécurité dépendent de preuves différentes de la relecture de style, et aucun relecteur unique n'a de visibilité globale. Utilisez un coordinateur hybride avec un partage d'informations ciblé au lieu de supposer que chaque relecteur doit voir l'ensemble du contexte.

Surveillance de Véhicules Distribuée

Des agents capteurs couvrent des régions qui se chevauchent mais incomplètes. La coordination est nécessaire car aucun agent unique ne peut maintenir une continuité de piste de bout en bout. Concevez le protocole autour de l'observabilité partielle plutôt que d'une « collaboration » générique.

Portes de Qualité

  • L'environnement est caractérisé explicitement avant le choix architectural.
  • La conception nomme la source réelle de la pression de coordination.
  • Les exigences de connaissance sont énoncées au bon niveau.
  • La stratégie d'engagement est liée à la volatilité et au coût du réexamen.
  • Toute autonomie revendiquée inclut le refus, le délai ou l'interprétation locale des requêtes.

Shibboleths

  • Si quelqu'un qualifie un système de multi-agent mais que toutes les décisions importantes passent encore par un seul contrôleur, il renomme l'exécution distribuée, pas la conception d'autonomie.
  • Si « connaissance commune » est utilisée de manière informelle sans modèle de communication, le protocole est probablement sous-spécifié.
  • Si l'équipe ne peut pas dire pourquoi les agents doivent se coordonner, la conception n'a probablement pas besoin d'agents du tout.

Références

  • references/environment-characterization-drives-architecture.md : chargez lorsque le choix architectural est la question principale.
  • references/coordination-as-necessity-not-luxury.md : chargez lorsque vous devez justifier ou minimiser la coordination.
  • references/commitment-strategies-and-environment-dynamics.md : chargez lorsque l'audace ou la cadence de replanification est le principal paramètre de réglage.
  • references/grounded-epistemic-logic-for-distributed-agents.md : chargez lorsque les affirmations de connaissance dictent la sécurité ou l'exactitude.
  • references/negotiation-and-resource-allocation-mechanisms.md : chargez lorsque l'autonomie se heurte à des ressources rares.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Skills associés