Deep Agents Architecture
Beslissingspoorten voor Deep Agents: backend, subagents, middleware, HITL, checkpointing.
Getest · Werkt
Wat het doet
Een referentie/beslissingspoort skill voor het architectureren van LangChain Deep Agents applicaties: wanneer Deep Agents te gebruiken vs een simpele LLM call, welke backend (State/Filesystem/Store/Composite) past bij een use case, subagent delegatiepatronen, en middleware stacking order. Activeert op architectuurvragen zoals het kiezen van backends, het ontwerpen van subagent systemen, of het beslissen over Deep Agents vs alternatieven, niet op implementatie- of debugging-verzoeken.
Testrapport
Voerde een echte backend/subagent beslissing door de poorten: het dwong een CompositeBackend split af (StateBackend default, StoreBackend routed to /preferences/) die een kaal-geheugen antwoord vaag liet, en maakte 'no subagents, no HITL' een expliciet geschreven regel in plaats van een onuitgesproken aanname.
Getest op: 2026-07-14 · Claude Code 2.x (agent harness)
Installatie
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
Commando's en voorbeeldprompts
/deepagents-architectureBeslissingspoorten voor Deep Agents: backend, subagents, middleware, HITL, checkpointing.
Skills reageren op gewone verzoeken — geen commando's om te onthouden. Na installatie activeren prompts zoals deze de skill (in het Engels):
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?