Deep Agents Orchestration

Deep Agents には、次の 3 つのオーケストレーション機能があります：

1. SubAgentMiddleware：task ツールを介して、専門エージェントに作業を委任します
2. TodoListMiddleware：write_todos ツールを介して、タスクを計画および追跡します
3. HumanInTheLoopMiddleware：機密性の高い操作の前に承認を必須にします

これら 3 つはすべて、create_deep_agent() に自動的に含まれます。

---

サブエージェント（タスクの委任）

サブエージェントを使用する場合	メインエージェントを使用する場合
タスクに専門的なツールが必要	汎用ツールで十分
複雑な作業を分離したい	1 ステップの操作
メインエージェントのコンテキストをクリーンに保ちたい	コンテキストの肥大化を許容できる

メインエージェントが `task` ツールを持つ -> 新しいサブエージェントを作成 -> サブエージェントが自律的に実行 -> 最終レポートを返します。

デフォルトのサブエージェント：「general-purpose」— メインエージェントと同じツールおよび設定で自動的に利用できます。

学術論文の検索に特化したツールを持つカスタムの「researcher」サブエージェントを作成します。 ```python from deepagents import create_deep_agent from langchain.tools import tool

@tool def search_papers(query: str) -> str: """Search academic papers.""" return f"Found 10 papers about {query}"

agent = create_deep_agent( subagents=[ { "name": "researcher", "description": "Conduct web research and compile findings", "system_prompt": "Search thoroughly, return concise summary", "tools": [search_papers], } ] )

Main agent delegates: task(agent="researcher", instruction="Research AI trends")

</python>
<typescript>
学術論文の検索に特化したツールを持つカスタムの「researcher」サブエージェントを作成します。
```typescript
import { createDeepAgent } from "deepagents";
import { tool } from "@langchain/core/tools";
import { z } from "zod";

const searchPapers = tool(
  async ({ query }) => `Found 10 papers about ${query}`,
  { name: "search_papers", description: "Search papers", schema: z.object({ query: z.string() }) }
);

const agent = await createDeepAgent({
  subagents: [
    {
      name: "researcher",
      description: "Conduct web research and compile findings",
      systemPrompt: "Search thoroughly, return concise summary",
      tools: [searchPapers],
    }
  ]
});

// Main agent delegates: task(agent="researcher", instruction="Research AI trends")

機密性の高い操作に対する HITL 承認を伴うサブエージェントを設定します。 ```python from deepagents import create_deep_agent from langgraph.checkpoint.memory import MemorySaver

agent = create_deep_agent( subagents=[ { "name": "code-deployer", "description": "Deploy code to production", "system_prompt": "You deploy code after tests pass.", "tools": [run_tests, deploy_to_prod], "interrupt_on": {"deploy_to_prod": True}, # Require approval } ], checkpointer=MemorySaver() # Required for interrupts )

</python>
</ex-subagent-with-hitl>

<fix-subagents-are-stateless>
<python>
サブエージェントはステートレスです。1 回の呼び出しで完全な指示を渡してください。
```python
# WRONG: Subagents don't remember previous calls
# task(agent='research', instruction='Find data')
# task(agent='research', instruction='What did you find?')  # Starts fresh!

# CORRECT: Complete instructions upfront
# task(agent='research', instruction='Find data on AI, save to /research/, return summary')

サブエージェントはステートレスです。1 回の呼び出しで完全な指示を渡してください。 ```typescript // WRONG: Subagents don't remember previous calls // task research: Find data // task research: What did you find? // Starts fresh!

// CORRECT: Complete instructions upfront // task research: Find data on AI, save to /research/, return summary

</typescript>
</fix-subagents-are-stateless>

<fix-custom-subagents-dont-inherit-skills>
<python>
カスタムサブエージェントは、メインエージェントのスキルを継承しません。
```python
# WRONG: Custom subagent won't have main agent's skills
agent = create_deep_agent(
    skills=["/main-skills/"],
    subagents=[{"name": "helper", ...}]  # No skills inherited
)

# CORRECT: Provide skills explicitly (general-purpose subagent DOES inherit)
agent = create_deep_agent(
    skills=["/main-skills/"],
    subagents=[{"name": "helper", "skills": ["/helper-skills/"], ...}]
)

---

TodoList（タスク計画）

TodoList を使用する場合	TodoList を省略する場合
複雑で複数のステップがあるタスク	単純な単一アクションのタスク
実行時間の長い操作	迅速な操作（3 ステップ未満）

``` write_todos(todos: list[dict]) -> None ```

各 ToDo 項目には、次の内容があります：

• content：タスクの説明
• status："pending"、"in_progress"、"completed" のいずれか

複数ステップのタスクに対して、ToDo リストを自動的に作成するエージェントを呼び出します。 ```python from deepagents import create_deep_agent

agent = create_deep_agent() # TodoListMiddleware included by default

result = agent.invoke({ "messages": [{"role": "user", "content": "Create a REST API: design models, implement CRUD, add auth, write tests"}] }, config={"configurable": {"thread_id": "session-1"}})

Agent's planning via write_todos:

[

{"content": "Design data models", "status": "in_progress"},

{"content": "Implement CRUD endpoints", "status": "pending"},

{"content": "Add authentication", "status": "pending"},

{"content": "Write tests", "status": "pending"}

]

</python>
<typescript>
複数ステップのタスクに対して、ToDo リストを自動的に作成するエージェントを呼び出します。
```typescript
import { createDeepAgent } from "deepagents";

const agent = await createDeepAgent();  // TodoListMiddleware included

const result = await agent.invoke({
  messages: [{ role: "user", content: "Create a REST API: design models, implement CRUD, add auth, write tests" }]
}, { configurable: { thread_id: "session-1" } });

呼び出し後に、エージェントの最終状態から ToDo リストにアクセスします。 ```python result = agent.invoke({...}, config={"configurable": {"thread_id": "session-1"}})

Access todo list from final state

todos = result.get("todos", []) for todo in todos: print(f"[{todo['status']}] {todo['content']}")

</python>
</ex-access-todo-state>

<fix-todolist-requires-thread-id>
<python>
呼び出し間で状態を保持するには、ToDo リストの状態に `thread_id` が必要です。
```python
# WRONG: Fresh state each time without thread_id
agent.invoke({"messages": [...]})

# CORRECT: Use thread_id
config = {"configurable": {"thread_id": "user-session"}}
agent.invoke({"messages": [...]}, config=config)  # Todos preserved

---

Human-in-the-Loop（承認ワークフロー）

HITL を使用する場合	HITL を使用しない場合
重大な操作（DB への書き込み、デプロイ）	読み取り専用の操作
コンプライアンス上、人間による監督が必要	完全に自動化されたワークフロー

実行前に人間による承認が必要なツールを設定します。 ```python from deepagents import create_deep_agent from langgraph.checkpoint.memory import MemorySaver

agent = create_deep_agent( interrupt_on={ "write_file": True, # All decisions allowed "execute_sql": {"allowed_decisions": ["approve", "reject"]}, "read_file": False, # No interrupts }, checkpointer=MemorySaver() # REQUIRED for interrupts )

</python>
<typescript>
実行前に人間による承認が必要なツールを設定します。
```typescript
import { createDeepAgent } from "deepagents";
import { MemorySaver } from "@langchain/langgraph";

const agent = await createDeepAgent({
  interruptOn: {
    write_file: true,
    execute_sql: { allowedDecisions: ["approve", "reject"] },
    read_file: false,
  },
  checkpointer: new MemorySaver()  // REQUIRED
});

割り込みを発生させ、状態を確認し、操作を承認して、実行を再開するまでのワークフロー全体です。 ```python from deepagents import create_deep_agent from langgraph.checkpoint.memory import MemorySaver from langgraph.types import Command

agent = create_deep_agent( interrupt_on={"write_file": True}, checkpointer=MemorySaver() )

config = {"configurable": {"thread_id": "session-1"}}

Step 1: Agent proposes write_file - execution pauses

result = agent.invoke({ "messages": [{"role": "user", "content": "Write config to /prod.yaml"}] }, config=config)

Step 2: Check for interrupts

state = agent.get_state(config) if state.next: print(f"Pending action")

Step 3: Approve and resume

result = agent.invoke(Command(resume={"decisions": [{"type": "approve"}]}), config=config)

</python>
<typescript>
割り込みを発生させ、状態を確認し、操作を承認して、実行を再開するまでのワークフロー全体です。
```typescript
import { createDeepAgent } from "deepagents";
import { MemorySaver, Command } from "@langchain/langgraph";

const agent = await createDeepAgent({
  interruptOn: { write_file: true },
  checkpointer: new MemorySaver()
});

const config = { configurable: { thread_id: "session-1" } };

// Step 1: Agent proposes write_file - execution pauses
let result = await agent.invoke({
  messages: [{ role: "user", content: "Write config to /prod.yaml" }]
}, config);

// Step 2: Check for interrupts
const state = await agent.getState(config);
if (state.next) {
  console.log("Pending action");
}

// Step 3: Approve and resume
result = await agent.invoke(
  new Command({ resume: { decisions: [{ type: "approve" }] } }), config
);

フィードバックを添えて保留中の操作を却下し、別の方法を試すようエージェントに促します。 ```python result = agent.invoke( Command(resume={"decisions": [{"type": "reject", "message": "Run tests first"}]}), config=config, ) ``` フィードバックを添えて保留中の操作を却下し、別の方法を試すようエージェントに促します。 ```typescript const result = await agent.invoke( new Command({ resume: { decisions: [{ type: "reject", message: "Run tests first" }] } }), config, ); ``` 実行を許可する前に、提案された操作の引数を編集します。 ```python result = agent.invoke( Command(resume={"decisions": [{ "type": "edit", "edited_action": { "name": "execute_sql", "args": {"query": "DELETE FROM users WHERE last_login < '2020-01-01' LIMIT 100"}, }, }]}), config=config, ) ``` ### エージェントが設定できる項目

• サブエージェントの名前、ツール、モデル、システムプロンプト
• 承認が必要なツール
• ツールごとに許可される判断タイプ
• TodoList の内容と構造

エージェントが設定できない項目

• ツール名（task、write_todos）
• HITL プロトコル（承認／編集／却下の構造）
• 割り込みに必須のチェックポインター要件のスキップ
• サブエージェントをステートフルにすること（サブエージェントは一時的な存在です）

HITL ワークフローで interrupt_on を使用する場合、チェックポインターが必要です。 ```python # WRONG agent = create_deep_agent(interrupt_on={"write_file": True})

CORRECT

agent = create_deep_agent(interrupt_on={"write_file": True}, checkpointer=MemorySaver())

</python>
<typescript>
HITL ワークフローで interruptOn を使用する場合、チェックポインターが必要です。
```typescript
// WRONG
const agent = await createDeepAgent({ interruptOn: { write_file: true } });

// CORRECT
const agent = await createDeepAgent({ interruptOn: { write_file: true }, checkpointer: new MemorySaver() });

中断されたワークフローを再開するには、一貫した thread_id が必要です。 ```python # WRONG: Can't resume without thread_id agent.invoke({"messages": [...]})

CORRECT

config = {"configurable": {"thread_id": "session-1"}} agent.invoke({...}, config=config)

Resume with Command using same config

agent.invoke(Command(resume={"decisions": [{"type": "approve"}]}), config=config)

</python>
<typescript>
中断されたワークフローを再開するには、一貫した thread_id が必要です。
```typescript
// WRONG: Can't resume without thread_id
await agent.invoke({ messages: [...] });

// CORRECT
const config = { configurable: { thread_id: "session-1" } };
await agent.invoke({ messages: [...] }, config);
// Resume with Command using same config
await agent.invoke(new Command({ resume: { decisions: [{ type: "approve" }] } }), config);

割り込みは実行中ではなく、invoke() の呼び出しと呼び出しの間に発生します。 ```python result = agent.invoke({...}, config=config) # Step 1: triggers interrupt if "__interrupt__" in result: # Step 2: check for interrupt result = agent.invoke( # Step 3: resume Command(resume={"decisions": [{"type": "approve"}]}), config=config, ) ```