agenthub

AgentHub - マルチエージェント DAG オーケストレーション

AgentHub は、複数の AI エージェントを有向非巡回グラフ（DAG）としてオーケストレーションするためのパターンとツールを提供します。1 つのエージェントがすべてを順番に処理するのではなく、AgentHub では複雑なタスクをサブタスクに分解し、それぞれを専門のエージェントに割り当て、相互の依存関係を定義して、各エージェントの出力を一貫性のある結果にまとめられます。

基本となる考え方は、複雑なタスクは規模を大きくするより、分解するほうがうまく処理できるということです。1 つのエージェントで 10 ステップのタスクを順番に実行すると、コンテキストの上限に達し、品質が低下します。担当範囲が明確な 5 つのエージェントを並列で実行し、最後に結果を統合すると、より速く、より良い結果が得られます。

主な機能

• DAG ワークフローの設計 — タスクを、明示的な入出力の契約と依存関係を示すエッジを持つノードとしてモデル化します。
• 並列実行 — トポロジカルソート、並列グループ、max_parallel によるスケジューリングで、実際の高速化を実現します。
• エージェントのライフサイクル管理 — エージェントを起動し、監視（ボード）して、PENDING から COMPLETED／FAILED までの状態を追跡します。
• 品質ゲート — しきい値に照らして出力を評価し、競合する結果を順位付けします。
• 出力の統合 — 終端ノードの出力を統合、順位選択、または連結して、一貫性のある成果物に仕上げます。

使用する場面

• 担当範囲が異なる複数の専門エージェントを必要とするタスク。
• 順番に実行することになる AI の作業を並列化したい場合。
• 長いタスクで、1 つのエージェントがコンテキストの上限に達する、または品質が低下する場合。
• エージェントの出力をまたいで品質ゲートや統合戦略が必要な場合。

まず確認すること

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。不明瞭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。

• タスクの分解 — 作業をエージェントのサブタスクにどう分けるか、および各サブタスクの依存関係（Init で DAG のノードとエッジを定義します）
• 並列実行の上限 — 同時に実行できるエージェントの数（max_parallel によるスケジューリングを設定します）
• 統合戦略 — 統合、順位選択、連結のいずれか（Merge ステージで出力をどう統合するかを決定します）

停止ルール：出力に最も大きく影響する 2～3 項目だけを質問してください。ユーザーが「とりあえず草案を作って」と言った場合は、作業を進め、成果物の冒頭に前提を列挙してください。

サブスキル

このスキルは複合型のサブスキルアーキテクチャを採用しています。skills/ 内の各サブスキルが、オーケストレーションのライフサイクルの各ステージを担います。

サブスキル	ファイル	目的
Init	skills/init.md	マルチエージェントのワークフロー定義を初期化する
Run	skills/run.md	定義済みのワークフローを最初から最後まで実行する
Spawn	skills/spawn.md	ワークフロー内で個々のエージェントを起動する
Board	skills/board.md	エージェントの状態と進捗を表示するダッシュボード
Eval	skills/eval.md	エージェントの出力の品質と一貫性を評価する
Merge	skills/merge.md	複数のエージェントの出力を統合して最終結果を作成する
Status	skills/status.md	ワークフローの実行状況と健全性を表示する

ライフサイクル： Init がワークフローの DAG を定義し、Run が実行をオーケストレーションし、Spawn が個々のエージェントを作成し、Board がリアルタイムの状況を表示し、Eval が出力の品質を確認し、Merge が結果を統合し、Status が全体の健全性を報告します（Init → Run → Spawn (parallel) → Eval → Merge。実行中は Board／Status が状態を参照します）。

ツール

ツール	目的	コマンド
dag_analyzer.py	DAG 定義を検証します（循環、到達不能ノード、クリティカルパス）	python scripts/dag_analyzer.py --workflow workflow.json --validate --critical-path
session_manager.py	オーケストレーションのセッションと状態を管理します	python scripts/session_manager.py create --json
board_manager.py	状態追跡機能を備えたエージェントタスクボードを管理します	python scripts/board_manager.py --session session.json --view board
result_ranker.py	複数のエージェントの出力を順位付けし、統合します	python scripts/result_ranker.py --session session.json --rank --merge synthesize

リファレンス

タスクに合ったリファレンスを読み込みます。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-core.md — ワークフロー DAG の概念、ワークフロー定義の完全な JSON 形式、エージェントの状態、実行戦略、定義／実行／評価の各ワークフロー、一般的な DAG パターン（ファンアウト／ファンイン、パイプライン、リデューサー、バリデーターチェーン）について説明しています。ワークフローを設計または実行する際にお読みください。
• references/multi-agent-patterns.md — 詳細なパターンカタログ（ファンアウト／ファンイン、パイプライン、リデューサー、バリデーターチェーン、マップリデュース、ダイヤモンド依存関係）、エージェント設計の原則、品質ゲートのパターン、障害処理、スケーリング表、メトリクスの目標について説明しています。パターンの選択、品質ゲートや障害処理の設計時にお読みください。
• references/operations-and-quality.md — ベストプラクティス、よくある落とし穴、トラブルシューティング表、成功基準について説明しています。ワークフローのデバッグや、品質基準に照らした検証の際にお読みください。

対象範囲と制限事項

このスキルの対象範囲：

• DAG 依存関係グラフを使用したマルチエージェントワークフローの設計
• エージェントの起動、監視、ライフサイクル管理
• 出力品質の評価とランク付け
• 一貫性のある最終成果物を作成するための結果の統合戦略

このスキルの対象外：

• 個々のエージェントの設計やプロンプトエンジニアリング（agent-designer を参照）
• エージェントのメモリと自己改善（self-improving-agent を参照）
• エージェント実行用のインフラストラクチャ（コンピューティング、スケジューリング、デプロイ）
• エージェント間のリアルタイムストリーミング通信

統合ポイント

スキル	統合	データフロー
agent-designer	DAG ノードとなる個々のエージェントの能力を定義します	エージェント仕様を受け取り、実行結果をエージェント調整に反映します
self-improving-agent	各エージェントが自己改善パターンを活用して能力を高められます	オーケストレーションからのセッションフィードバックをエージェントの学習ループに取り込みます
prompt-engineer-toolkit	エージェントのタスクプロンプトはプロンプトエンジニアリングの恩恵を受けます	最適化されたプロンプトにより、DAG 内の各エージェントの品質が向上します
context-engine	各エージェントが参照するコンテキストを管理します	コンテキストの取得により、起動した各エージェントに関連する入力を提供します
observability-designer	ワークフローの実行とエージェントの健全性を監視します	エージェントの状態遷移とタイミングメトリクスをダッシュボードに反映します