HIK.
Назад к портфолио

Кейс

Creator & Maintainer·October 2024 to Present

PinMind: фреймворк оркестрации мультиагентов

Фреймворк на основе LangGraph для контекстно-зависимой маршрутизации агентов, планирования и оркестрации задач. Включает переиспользуемые workflow, общую память и расширяемый слой интеграции инструментов для автономного многошагового выполнения.

LangGraphPythonAgentic AIShared memoryTool-calling
github.com/hhalilikurnaz/pinmind-web
PinMind

01

Обзор

PinMind — фреймворк на основе LangGraph, который я создал для контекстно-зависимой маршрутизации агентов, планирования и многошаговой оркестрации задач. Он даёт переиспользуемую основу для автономных агентных воркфлоу с памятью.

02

Задача

Большинство агентных фреймворков хорошо справляются с одним агентом, но реальным workflow нужны несколько агентов, способных планировать, передавать задачи и надёжно делиться контекстом, не превращаясь при этом в неподдерживаемый хаос.

03

Подход

PinMind построен на LangGraph для явной, прозрачной маршрутизации и планирования агентов. Он даёт каждому workflow модульное выполнение, общую память между шагами и расширяемый слой интеграции инструментов, что позволяет добавлять новых агентов и инструменты без переработки архитектуры.

04

Как это устроено

Задача попадает в StateGraph LangGraph. Контекстно-зависимый маршрутизатор распределяет работу планировщику, а затем агентам-исполнителям. Общая память реализована через checkpointer, поэтому последующие узлы видят прежние решения и результаты инструментов. ToolRegistry загружает инструменты из конфигурации, так что новые возможности подключаются без переписывания графа. Смысл в том, чтобы граф оставался наблюдаемым: маршрутизация и передача задач заданы явно, а не спрятаны в одном огромном промпте.

05

Архитектура системы

Как части связаны между собой. Наведите на узел или откройте исходник, который ведёт runtime.

graph.py

Ingress

LangGraph

State

06

Что я построил

Рантайм LangGraph для маршрутизации, планирования и многошагового выполнения.

Checkpointer с общей памятью, чтобы агенты сохраняли контекст между шагами.

Расширяемый реестр инструментов: новые инструменты добавляются без перестройки графа.

Переиспользуемые примитивы воркфлоу для автономных задач корпоративного типа.

07

Результаты

Построил контекстно-зависимую маршрутизацию агентов, планирование и оркестрацию задач на LangGraph.

Спроектировал переиспользуемые агентные воркфлоу с модульным выполнением, общей памятью и расширяемой интеграцией инструментов.

Разработал масштабируемый слой оркестрации для корпоративных ИИ-воркфлоу и автономного выполнения задач.

Реализовал выполнение агентов с учётом памяти для насыщенных контекстом многошаговых воркфлоу.

Спроектировал расширяемую архитектуру для кастомных агентов, инструментов и воркфлоу.

08

Результаты

Фреймворк, на который могут опираться другие продукты, включая слой воркфлоу FlowOne.

Мультиагентные запуски, которые можно разбирать по узлам, а не как чёрный ящик.

Чёткое разделение между маршрутизацией, планированием, исполнителями и инструментами.

09

Чему научился

Циклы с одним агентом разваливаются на реальных воркфлоу. Графы делают сценарии отказа видимыми.

Память — это продуктовое решение, а не запоздалая мысль. То, что вы сохраняете, и есть система.

Если инструменты зашиты в код, фреймворк уже мёртв. Реестры на основе конфигурации сохраняют ему жизнь.

10

Технологии

LangGraphPythonAgentic AIShared memoryTool-calling

Есть похожая идея?

Я открыт для новых проектов. Расскажите, что вы создаёте.