Deep Agents Architecture

Beslutningsporte for Deep Agents: backend, subagenter, middleware, HITL, checkpointing.

Af existential-birds · existential-birds/beagle

Testet · Virker ★ 9.2/10

Deep Agents Architecture — Beslutningsporte for Deep Agents: backend, subagenter, middleware, HITL, checkpointing.

Hvad det gør

En reference/beslutningsport-skill til arkitektur af LangChain Deep Agents-applikationer: hvornår man skal bruge Deep Agents vs et almindeligt LLM-kald, hvilken backend (State/Filesystem/Store/Composite) der passer til et use case, subagent-delegeringsmønstre og middleware-stakrækkefølge. Udløses af arkitekturspørgsmål som valg af backends, design af subagentsystemer eller beslutning om Deep Agents vs alternativer, ikke på implementerings- eller fejlfindingsanmodninger.

Testrapport

Kørte en reel backend/subagent-beslutning gennem dens porte: den tvang en CompositeBackend-opdeling (StateBackend standard, StoreBackend dirigeret til /preferences/), som et bare-memory svar efterlod vagt, og gjorde 'ingen subagenter, ingen HITL' til en eksplicit skrevet linje i stedet for en uudsagt antagelse.

Testet: 2026-07-14 · Claude Code 2.x (agent harness)

Installation

git clone https://github.com/existential-birds/beagle
cd beagle
mkdir -p ~/.claude/skills
cp -r plugins/beagle-ai/skills/deepagents-architecture ~/.claude/skills/deepagents-architecture

Kommandoer og eksempelprompter

/deepagents-architectureBeslutningsporte for Deep Agents: backend, subagenter, middleware, HITL, checkpointing.

Skills udløses af almindelige forespørgsler — ingen kommandoer at huske. Efter installationen aktiverer prompter som disse skillen (på engelsk):

Should I use Deep Agents or just call the LLM directly here?
Help me design a subagent system for my LangGraph deep agent
What backend should I use, StateBackend or FilesystemBackend?

Læs hele rapporten →