Langchain DeepAgent 지원

[qjrm1430]

리소스 확인 여부

• 이 이슈는 Act Operator CLI의 기능/개선 요청이며, 버그 리포트가 아닙니다.
• 제안을 요약하는 명확하고 간결한 제목을 작성했습니다.
• 기존 이슈/PR을 검색했고, 중복되지 않습니다.

요약

기능: Act 프로젝트에서 LangChain의 DeepAgent를 개발하는 전용 Claude Code Skill 추가 또는 developing-cast에 리소스 추가

동기/목표:

• LangGraph Cast 패턴에 DeepAgent(다단계 추론, 도구 활용) 컴포넌트를 쉽게 통합
• 기존 developing-cast 스킬에 없는 DeepAgent 특화 패턴(planning node, reasoning steps, tool orchestration) 제공
• Act 사용자가 "LLM이 깊은 사고를 하는 에이전트"를 빠르게 구축 가능

사용자 이점:

• 복잡한 에이전트 로직(다단계 계획, 추론 체인, 도구 선택) 구현 시간 단축
• LangChain DeepAgent 패턴을 일관되게 적용하는 가이드 제공
• LangGraph Cast와 DeepAgent를 조화롭게 조합하는 베스트 프랙티스 제시

사용 사례 / 시나리오

시나리오 1: 복잡한 문제 해결 에이전트

사용자: "깊은 추론 능력이 있는 에이전트를 만들고 싶어.
복잡한 SQL 쿼리 생성, 코드 디버깅, 데이터 분석 같은 작업을 하는 Cast가 필요해"

워크플로우:

1. developing-cast → architecting-act (Cast 아키텍처 설계)

• State에 planning_steps, reasoning_chain, tool_calls 정의

2. developing-cast-deepagent (새로운 스킬 또는 developing-cast에 리소스 추가)

• Planning Node: 사용자 입력 분석 → 다단계 계획 생성
• Reasoning Nodes: 각 단계별 추론 실행
• Tool Orchestration: 최적 도구 선택 및 실행
• Reflection Node: 결과 검증 및 개선

3. testing-cast → Cast 테스트

시나리오 2: 다중 도메인 에이전트

금융 분석, 코드 생성, 질문 답변 등 다양한 도메인에서
동일한 DeepAgent 패턴 재사용

제안 솔루션 / UX

developing-cast-deepagent/
├── SKILL.md # Skill 정의
└── resources/
├── deepagent/
│ ├── overview.md # DeepAgent 개요, LangGraph와의 관계
│ ├── planning-node.md # Planning node 구현 패턴
│ ├── reasoning-nodes.md # 다단계 추론 node 구현
│ ├── tool-selector.md # 도구 선택 로직 (LLM-based)
│ ├── reflection-node.md # 결과 검증/개선 node
│ └── examples/
│ ├── sql-query-generator.py
│ ├── code-debugger.py
│ └── data-analyzer.py
└── (기존 resources/ 일부 공유)

고려한 대안

대안	장점	단점
developing-cast-deepagent 독립 스킬 (제안)	명확한 책임, DeepAgent 특화 패턴 제공, 사용자 혼동 최소	새로운 스킬 메인테넌스 필요
developing-cast 확장	기존 스킬 확장만으로 충분	Skill이 너무 커짐, 사용자가 언제 DeepAgent를 쓸지 불명확
별도 문서/가이드만 제공	최소한의 변경	사용자가 스스로 패턴 구현해야 함, 일관성 보장 불가

선택 이유: 기존 architecting-act → developing-cast → testing-cast 워크플로우를 유지하되, DeepAgent 개발자는 developing-cast 대신 developing-cast-deepagent를 선택할 수 있게 분리하는 것이 최적.

참고자료(선택)

• LangChain DeepAgent 공식 문서
• LangGraph 공식 문서
• [Act Operator - Current Skills](./act_operator/scaffold/{{ cookiecutter.act_slug }}/.claude/skills)
• LangGraph 2.0 New Features

목업 / 예시(선택)

No response

추가 컨텍스트

현재 상태

• Act Operator는 3가지 기본 스킬 제공:
  • architecting-act: Cast 아키텍처 설계 (CLAUDE.md 생성)
  • developing-cast: LangGraph 컴포넌트 구현
  • testing-cast: pytest 테스트 작성

DeepAgent 필요 이유

1. LangGraph만으로 부족: LangGraph는 "그래프 정의"에만 특화

   • DeepAgent는 "다단계 추론 + 도구 활용"에 특화

2. 사용 패턴 차이:

   # Traditional LangGraph node
   def process_node(state: State) -> State:
       return {"result": "output"}
   
   # DeepAgent pattern (planning → reasoning → tools → reflection)
   # → 다른 구조, 다른 가이드 필요

3. 사용자 경험: "DeepAgent를 쓰고 싶은데 LangGraph Cast에 어떻게 넣지?"

• 이 질문에 답할 전문화된 Skill 필요

제안 타임라인

• Phase 1: developing-cast-deepagent Skill 기본 구조 + 1개 완전한 예제
• Phase 2: 나머지 예제, 추가 패턴 완성
• Phase 3: 사용자 피드백 수집 후 개선

Checklist

• Skill 구조 검토
• LangChain DeepAgent 최신 버전 확인
• 예제 코드 작성 및 테스트
• 기존 developing-cast와 호환성 확인