Aller au contenu principal

C-04 Gestionnaire de sous-agents

Brique C: Agents, autonomie, exécution. Version anglaise: C-04-sub-agent-manager

1. Rôle et responsabilités​

Crée des runs enfants à partir d'un run parent, avec limites de profondeur et de nombre et héritage restreint des permissions. Côté moteur, enterprise_ai.subagents.SubagentManager lance les sous-agents en parallèle (run_parallel), suit leur état et injecte leurs résultats dans le tour du parent (inject_results).

2. Position dans l'architecture et interactions​

  • Enfants distants : POST /v1/runs/{id}/subagents puis suivi par GET /v1/runs/{id} ; enfants locaux : agents ou fonctions exécutés dans un pool de threads.
  • Le parent reste maître de la décision : les résultats arrivent dans son contexte au tour suivant.

3. Composant open source et partie développée​

  • Moteur : architecture Navin du SDK Python, sans graphe déclaré. enterprise_ai.loop.AgentLoop reçoit les messages, prépare le contexte, gère les sessions, reprend un run après un crash, traite l'arrêt, le cron et le heartbeat, et expose serve() ; enterprise_ai.runtime.AgentRunner exécute un tour ; enterprise_ai.subagents.SubagentManager lance les sous-agents en parallèle ; enterprise_ai.loop.plan.RunPlan porte le plan ; enterprise_ai.runtime.bus.MessageBus relie canaux et moteur.
  • Adaptateurs optionnels : LangGraph (enterprise_ai.runtime.langgraph.build_graph) et Temporal (enterprise_ai.runtime.temporal.build_workflow) réutilisent les mêmes étapes ; ils ne sont pas requis.
  • Côté serveur, python -m eai.worker exécute les tâches périodiques : tick du scheduler, vidage de l'outbox d'événements, expiration des réservations de quota, détection des heartbeats périmés, rétention.

4. Modèle de données​

Tables (schéma eai, RLS tenant_id):

  • eai.runs (parent_run_id, depth)

Colonnes communes : id uuid, tenant_id uuid NOT NULL, created_at, updated_at ; politique RLS current_setting('app.tenant_id', true)::uuid.

5. Contrat​

  • Contrat appliqué: execution-contract
  • Schéma JSON: contracts/v1/execution-contract.schema.json
  • Champs clés: parent_run_id, depth, budgets
  • Validation : POST /v1/contracts/{name}/validate ; application d'un manifeste : POST /v1/manifests/apply.

6. Endpoints API​

  • POST /v1/runs/{id}/subagents
  • GET /v1/runs/{id}/subagents

Requête POST /v1/runs/{id}/subagents:

{
  "agent_id": "agt_researcher",
  "task": {
    "input": "Find similar incidents"
  },
  "budgets": {
    "max_steps": 10
  }
}

Réponse:

{
  "run_id": "run_01JA",
  "parent_run_id": "run_01J9",
  "depth": 1,
  "state": "queued"
}

7. Exemples SDK​

Python:

from enterprise_ai import EnterpriseAI
from enterprise_ai.subagents import SubagentManager

client = EnterpriseAI(base_url="<control-plane-url>", api_key="eai_xxx_secret")
child = client.runs.spawn_subagent("run_01J9", agent="agt_researcher", task="Find the related incidents")
manager = SubagentManager(client=client, max_parallel=4)
results = manager.run_parallel([("agt_researcher", "INC-42 history"), ("agt_billing", "INC-42 invoices")])

TypeScript:

import { EnterpriseAI } from "@enterprise-ai/sdk";

const client = new EnterpriseAI({ baseUrl: "<control-plane-url>", apiKey: process.env.EAI_API_KEY });
const child = await client.subagents.spawn("run_01J9", { agent: "agt_researcher", task: { input: "..." } });

Java:

EnterpriseAIClient client = EnterpriseAIClient.builder()
    .baseUrl("<control-plane-url>")
    .apiKey(System.getenv("EAI_API_KEY"))
    .build();
JsonNode child = client.runs().spawnSubagent("run_01J9", Map.of("agent", "agt_researcher", "task", Map.of("goal", "Collect the sources")));

Go:

c, _ := eai.NewClient(eai.WithBaseURL("<control-plane-url>"), eai.WithAPIKey(os.Getenv("EAI_API_KEY")))
child, _ := c.Runs.SpawnSubagent(ctx, "run_01J9", map[string]any{"agent": "agt_researcher", "task": "Collect the INC-42 timeline"})

8. Configuration​

  • Variables d'environnement : EAI_DATABASE_URL
  • Clés Helm : controlPlane.config
  • Côté client : SubagentManager(max_parallel=..., poll_interval=..., timeout=..., max_depth=..., max_subagents=...)

9. Contrôles de sécurité​

  • Aucune élévation : l'enfant n'a jamais plus de scopes que le parent
  • Budget enfant déduit du budget parent
  • Toutes les requêtes portent le tenant issu du credential ; RLS PostgreSQL
  • Chaque mutation et décision de politique écrit un événement d'audit chaîné

10. Observabilité​

  • Métriques Prometheus: eai_subagents_spawned_total, eai_subagent_depth
  • Traces: spans OpenTelemetry avec conventions sémantiques GenAI (gen_ai.operation.name, gen_ai.agent.id, gen_ai.tool.name), attributs eai.tenant_id, eai.run_id, propagation traceparent.
  • Actions d'audit: run.create

11. Unités FinOps​

  • Coût enfant agrégé sur le run parent et l'agent racine.
  • Émis comme Usage Event (POST /v1/finops/usage) avec tenant, projet, agent et run.

12. Modes de défaillance et résilience​

  • Profondeur dépassée : 409 subagent_limit
  • Annulation du parent propagée aux enfants
  • Erreurs normalisées (enveloppe error, message_i18n en/fr)

13. Adoption autonome (client d'un client)​

  • enterprise_ai.agent + Control Plane.
  • SDK: enterprise_ai.agent (AgentsClient, RunsClient, SessionsClient)
  • Déploiement minimal : chart Helm avec controlPlane.enabled=true et PostgreSQL ; composants externes désactivés utilisent leur repli in-process.

14. Tests d'acceptation​

  1. Lancement à profondeur max + 1 refusé
  2. Annulation du parent -> enfants cancelled
  3. Accès inter-tenant refusé
  4. Erreur renvoyée en fr avec Accept-Language: fr
  5. Un sous-agent reçoit une délégation restreinte depuis celle de son parent (scopes intersectés avec les siens, classification non supérieure, même expiration au plus, profondeur + 1) : jamais de droits plus larges ; une délégation parente révoquée bloque le lancement suivant et l'étape sensible suivante de chaque descendant (tests/test_identity_context_delegation.py, voir identity-context-delegation.md)