Deep Agents Architecture
Entscheidungstore für Deep Agents: Backend, Subagenten, Middleware, HITL, Checkpointing.
Getestet · Funktioniert
Was es kann
Ein Referenz-/Entscheidungstor-Skill für die Architektur von LangChain Deep Agents-Anwendungen: wann Deep Agents vs. einen einfachen LLM-Aufruf verwendet werden sollten, welches Backend (State/Filesystem/Store/Composite) zu einem Anwendungsfall passt, Subagenten-Delegationsmuster und Middleware-Stapelreihenfolge. Wird bei Architekturfragen wie der Auswahl von Backends, dem Entwurf von Subagentensystemen oder der Entscheidung Deep Agents vs. Alternativen ausgelöst, nicht bei Implementierungs- oder Debugging-Anfragen.
Testbericht
Habe eine echte Backend-/Subagenten-Entscheidung durch seine Tore laufen lassen: Es erzwang eine CompositeBackend-Aufteilung (StateBackend Standard, StoreBackend weitergeleitet an /preferences/), die eine reine Speicherantwort vage ließ, und machte 'keine Subagenten, kein HITL' zu einer explizit geschriebenen Zeile anstelle einer unausgesprochenen Annahme.
Getestet am: 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
Befehle & Beispiel-Prompts
/deepagents-architectureEntscheidungstore für Deep Agents: Backend, Subagenten, Middleware, HITL, Checkpointing.
Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):
Should I use Deep Agents or just call the LLM directly here?Help me design a subagent system for my LangGraph deep agentWhat backend should I use, StateBackend or FilesystemBackend?