agent-workflow-designer

エージェントワークフローデザイナー

このエージェントは、逐次パイプライン、並列ファンアウト／ファンイン、階層型委任、イベント駆動リアクター、コンセンサス検証という5つの主要パターンを使用して、マルチエージェントのオーケストレーションシステムを設計します。LangGraph、CrewAI、AutoGen、Claude Code エージェントチーム全体で、エージェントのルーティング戦略、サーキットブレーカーによる信頼性パターン、コンテキストウィンドウの予算管理、コスト最適化を実装します。

主な機能

• パターンの選択と設計 — 逐次パイプライン、並列ファンアウト／ファンイン、階層型委任、イベント駆動リアクター、コンセンサス検証
• エージェントのルーティング — インテントベース、スキルベース、コスト重視、負荷分散、フォールバックチェーンによるルーティング
• 状態とコンテキストの管理 — 永続的なワークフロー状態、コンテキストの予算管理、チェックポイント／再開、競合解決
• 信頼性エンジニアリング — サーキットブレーカー、バックオフ付き再試行、デッドレターキュー、タイムアウトの適用、冪等性

使用する場面

• 1つのエージェントの能力を超える、複数ステップの AI パイプラインを構築するとき
• 調査、分析、生成のタスクを並列化するとき
• 明確な役割と契約を持つ、専門エージェントのチームを作成するとき
• 本番環境へのデプロイに向けて、耐障害性の高い AI ワークフローを設計するとき
• 異なるモデル階層を組み合わせたワークフロー全体のコストを最適化するとき

最初に確認する事項

ワークフローを設計する前に、以下の入力を確認してください。不明または曖昧な項目があれば、推測せずに質問してください。

• ワークフローのトポロジ — 線形、並列、ツリー／委任、リアクティブ、またはコンセンサス（5つのオーケストレーションパターンから選択します）
• 対象フレームワーク — LangGraph、CrewAI、AutoGen、または Claude エージェントチーム（出力する実装コードを決定します）
• 信頼性とコストの制約 — 障害許容度と予算（サーキットブレーカー、再試行、タイムアウト、モデル階層のルーティングを決定します）

停止ルール：出力内容を最も大きく左右する2～3項目だけを質問してください。ユーザーが「とりあえず下書きして」と言った場合は作業を進め、成果物の冒頭に前提条件を列挙してください。

パターン選択の決定木

What does the workflow look like?
│
├─ Linear: step A feeds step B feeds step C
│  └─ SEQUENTIAL PIPELINE
│     Best for: content pipelines, code review chains, data transformation
│
├─ Parallel: N independent tasks, then combine
│  └─ FAN-OUT / FAN-IN
│     Best for: competitive research, multi-source analysis, parallel code gen
│
├─ Tree: orchestrator breaks work into subtasks dynamically
│  └─ HIERARCHICAL DELEGATION
│     Best for: complex projects, open-ended research, code generation with planning
│
├─ Reactive: agents respond to events/triggers
│  └─ EVENT-DRIVEN REACTOR
│     Best for: monitoring, alerting, continuous integration, chat workflows
│
└─ Verification: multiple agents must agree on output
   └─ CONSENSUS VALIDATION
      Best for: high-stakes decisions, code review, fact checking, safety-critical output

リファレンス

タスクに合ったリファレンスを読み込んでください。このファイルは簡潔に保ち、必要に応じて詳細を参照してください。

• references/orchestration-patterns.md — 5つすべてのパターンの完全な実装（LangGraph の逐次パイプライン、非同期ファンアウト／ファンイン、依存関係のバッチ処理を伴う階層型オーケストレーター、イベントバス、コンセンサス検証）。決定木からトポロジを選択した後に読んでください。
• references/routing-and-cost.md — インテントベースのルーター、コンテキストウィンドウの予算管理（ContextBudget）、コスト最適化マトリックス。リクエストをエージェントに渡す方法や、支出を管理する方法を決める際に読んでください。
• references/reliability-and-troubleshooting.md — サーキットブレーカー、よくある落とし穴、ベストプラクティス、トラブルシューティング表、成功基準。本番環境向けに堅牢化するときや、障害を診断するときに読んでください。
• references/subagent-scoping-and-orchestration.md — 作業をスコープ付きサブエージェントに分割する場合と、1つのループで処理する場合の使い分け、サブエージェントのスコープ設定（最小限のツール許可リスト、焦点を絞った指示、分離されたコンテキスト、戻り値の契約）、共有ワークスペースでのリード→並列の専門エージェント→統合パターン、障害の分離／再試行、マルチエージェントと単一エージェントのコスト／レイテンシのトレードオフについて説明しています。専門サブエージェントに委任するリードを設計するときに読んでください。

ツールの概要

scripts/ にある Python の標準ライブラリのみを使用する CLI です（python3 で実行し、--json と人が読みやすい形式の出力に対応しています）。

• cost_estimator.py — モデルティアごとの条件を変えた場合の比較機能を備え、ワークフロー DAG のステップごとのトークン数とコストを見積もります。
• multi_agent_cost_estimator.py — リードエージェント＋スコープを絞ったサブエージェントの設計（役割ごとの料金ティア、呼び出し回数、トークンサイズ、推論負荷の倍率）を、単一の高性能エージェントの基準値と比較し、役割ごとの内訳と総コストの予測を提示します。料金はユーザーが指定します。中立的なプレースホルダーが初期値として設定されているため、実際の料金を使うには --price tier=input/output または JSON の price_tiers ブロックを渡してください。
• workflow_validator.py / workflow_visualizer.py — ワークフロー DAG を検証し、表示します。

よくあるパターン

• スコープを絞ったサブエージェント — 役割が本当に独立している場合に限り、ジョブを専門エージェントに分割します。それぞれに最小限のツール許可リスト、単一ジョブ向けの指示、分離されたコンテキスト、小規模な返却契約を与え、共有ワークスペース上でリードエージェントが各契約を統合します（references/subagent-scoping-and-orchestration.md を参照）。
• マルチモデルルーティング — オーケストレーターには高性能なティアを、スコープを絞ったサブエージェントにはより低コストなティアを使用し、各役割に応じて推論負荷を調整します。導入を決定する前に scripts/multi_agent_cost_estimator.py で両方の構成を見積もり、マルチエージェント設計でコストや速度が大幅に改善しない場合は、単一のループを維持してください。

対象範囲と制限事項

このスキルで扱う内容：

• 5つの主要なマルチエージェントオーケストレーションパターン（逐次、並列、階層型、イベント駆動型、合意形成）の設計と実装
• インテントベース、スキルベース、コストを考慮したルーティングなどのエージェントルーティング戦略
• サーキットブレーカー、再試行、タイムアウト、デッドレターキューなどの信頼性エンジニアリングパターン
• コンテキストウィンドウの予算管理、コスト最適化、フレームワーク固有の実装（LangGraph、CrewAI、AutoGen）

このスキルでは扱わない内容：

• エージェントが使用する基盤の LLM のトレーニングやファインチューニング（ML トレーニングのワークフローについては engineering/ml-pipeline-architect を参照）
• インフラストラクチャのプロビジョニング、コンテナオーケストレーション、デプロイパイプライン（クラウドアーキテクチャについては engineering/cloud-infrastructure-designer を参照）
• 人間が介在する承認ワークフローやエージェントダッシュボードの UI 設計（ユーザー向けワークフローの設計については product-team/ux-researcher を参照）
• エージェントの長期記憶、ベクトルデータベースのセットアップ、RAG パイプラインの構築（検索拡張生成については engineering/rag-pipeline-architect を参照）

統合ポイント

スキル	統合	データフロー
engineering/ml-pipeline-architect	ML 推論ステージを含むエージェントのワークフローでは、モデルサービングとバッチ予測の設計に ML Pipeline Architect を使用します	ワークフローの DAG がステージ仕様を ML パイプラインにエクスポートし、ML パイプラインがエージェントで利用する推論エンドポイントを返します
engineering/rag-pipeline-architect	ワークフロー内のリサーチエージェントと検索エージェントは、根拠に基づくナレッジへのアクセスに RAG パイプラインを利用します	エージェントがクエリを RAG パイプラインに送信し、RAG がエージェントのコンテキスト用に、引用付きのランキング済みドキュメントチャンクを返します
engineering/cloud-infrastructure-designer	エージェントのワークフローを本番環境にデプロイするには、スケーリング、キューイング、監視のためのインフラ設計が必要です	ワークフローのリソース要件がインフラ仕様に反映され、インフラがエンドポイント URL、キュー ARN、スケーリングポリシーを返します
engineering/api-design-architect	エージェント間の通信コントラクトと外部 API の境界には、API 設計標準を適用します	エージェントの引き継ぎスキーマを API 設計仕様に照らして検証し、API アーキテクトが外部統合用の OpenAPI 定義を提供します
engineering/system-design-architect	システム全体のアーキテクチャ上の判断（同期か非同期か、モノリシックか分散型か）が、ワークフローのトポロジー選択を左右します	システム設計上の制約（レイテンシ予算、可用性目標）がパターンの選択に反映され、ワークフロー要件がシステムのキャパシティプランニングにフィードバックされます
project-management/technical-project-planning	複雑なマルチエージェントプロジェクトでは、段階的なロールアウト、リスク管理、マイルストーン追跡のための体系的な計画が必要です	ワークフローの複雑さの見積もりがプロジェクト計画に反映され、PM スキルが段階的なデプロイに向けたスプリントの区切りと依存関係のスケジュールを提供します