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含まれています。

1. SubAgentMiddleware：task ツールを使って、作業を専門エージェントに委任します
2. TodoListMiddleware：write_todos ツールを使って、タスクを計画し、進捗を追跡します
3. HumanInTheLoopMiddleware：機密性の高い操作の前に承認を必須にします

3つすべてが 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	単一ステップの操作
メインエージェントのコンテキストをクリーンに保つ必要がある	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／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備えた、カスタムの「researcher」サブエージェントを作成します。

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")

学術論文の検索に特化したツールを備えた、カスタムの「researcher」サブエージェントを作成します。

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承認を設定したサブエージェントを構成します。

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
)

サブエージェントはステートレスです。1回の呼び出しで必要な指示をすべて与えてください。

# 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回の呼び出しで必要な指示をすべて与えてください。

// 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

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。

# 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（タスクの計画）

TodoListを使用する場合	TodoListを省略する場合
複雑な複数ステップのタスク	単純な単一操作のタスク
長時間実行される操作	すばやく完了する操作（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用にTodoリストを自動作成するエージェントを呼び出します。

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"}
# ]

複数ステップのタスク用にTodoリストを自動作成するエージェントを呼び出します。

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。

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']}")

Todoリストの状態を呼び出し間で永続化するには、thread_idが必要です。

# 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

実行前に人間の承認が必要なツールを設定します。

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
)

実行前に人間の承認が必要なツールを設定します。

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、アクションを承認して、実行を再開する一連のワークフローです。

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)

割り込みを発生させ、状態を確認し、アクションを承認して、実行を再開する一連のワークフローです。

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アクションを拒否し、エージェントに別の方法を試すよう促します。

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アクションを拒否し、エージェントに別の方法を試すよう促します。

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、提案されたアクションの引数を編集します。

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
• ツールごとに許可する判断の種類
• TodoList の内容と構成

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／拒否の構造）
• 割り込みに必要なチェックポインター要件を省略すること
• 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ものです）

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。

# WRONG
agent = create_deep_agent(interrupt_on={"write_file": True})

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

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。

// WRONG
const agent = await createDeepAgent({ interruptOn: { write_file: true } });

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

中断し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。

# 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)

中断し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。

// 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。

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,
    )