deepagents-thread-inspector

Inspecione e explique conversas no armazenamento de sessões SQLite local do Deep Agents Code. Use como fallback quando a ferramenta de rastreamento LangSmith não estiver disponível, para…

npx skills add https://github.com/langchain-ai/deepagents --skill deepagents-thread-inspector

Deep Agents Thread Inspector

If LangSmith tooling is available for a traced thread, prefer it. Otherwise, use scripts/inspect_sessions.py instead of manually decoding database blobs. It opens the database read-only and deserializes the root message channel with LangGraph's strict MsgPack loader — reading the materialized messages from the latest checkpoint, or replaying writes in checkpoint order when that fast path is unavailable — and emits JSON.

Inspect local state

Resolve SKILL_DIR to the directory containing this SKILL.md; do not assume a user, project, or installation-specific location. Start with the smallest useful view:

python3 "$SKILL_DIR/scripts/inspect_sessions.py" THREAD_ID --mode latest-turn

A unique thread-ID prefix is accepted. Select another view when needed:

python3 "$SKILL_DIR/scripts/inspect_sessions.py" THREAD_ID --mode summary
python3 "$SKILL_DIR/scripts/inspect_sessions.py" THREAD_ID --mode transcript

Use --include-metadata only when run, repository, model, checkpoint, or LangGraph metadata matters. Use --max-content N to raise or lower the default 4,000-character limit per message, tool result, or tool-call argument.

If the user does not know the ID, list recent threads first:

python3 "$SKILL_DIR/scripts/inspect_sessions.py" --list 20

Pass --db PATH only for a non-default session store. The default is ~/.deepagents/.state/sessions.db; DEEPAGENTS_SESSIONS_DB can override it.

Explain the result

Synthesize the JSON rather than pasting it verbatim.

  • State the user's request, the assistant's conclusion, and significant tool actions or failures.
  • Distinguish stored facts from your interpretation.
  • For the latest turn, describe only the final user message and subsequent activity unless earlier context is required to make it understandable.
  • Mention truncation when a relevant record has content_truncated or args_truncated set.
  • Surface reconstruction problems when the result includes a top-level warnings array (for example, a corrupt checkpoint, a skipped write, or malformed metadata) so conclusions are appropriately hedged.
  • Do not expose unrelated credentials, tokens, personal data, or hidden reasoning that may appear in local records.

Safety

Keep inspection read-only. Do not deserialize an untrusted database: checkpoint deserialization is intended for trusted local Deep Agents state. Do not mutate or delete session rows unless the user separately and explicitly requests it.

Mais skills de langchain-ai

langgraph-docs
langchain-ai
Acesse a documentação do LangGraph para construir agentes com estado e fluxos de trabalho multiagente. Busca a documentação oficial do LangGraph em Python, abordando máquinas de estado, design de agentes baseado em grafos e padrões com intervenção humana. Prioriza a documentação relevante por tipo de consulta: guias de implementação para perguntas de "como fazer", páginas conceituais para teoria, tutoriais para exemplos completos e referências de API para detalhes técnicos. Seleciona automaticamente de 2 a 4 URLs de documentação mais relevantes e recupera seu conteúdo para responder...
official
langgraph-human-in-the-loop
langchain-ai
Pausar a execução do grafo para revisão, aprovação ou validação humana e, em seguida, retomar com a contribuição do usuário. Requer três componentes: um checkpointer (InMemorySaver ou PostgresSaver), um ID de thread na configuração e payloads de interrupção serializáveis em JSON. interrupt(value) pausa e exibe dados; Command(resume=value) retoma e retorna esse valor ao nó pausado. Todo código antes de interrupt() é reexecutado na retomada, portanto, os efeitos colaterais devem ser idempotentes (use upsert, não insert). Suporta fluxos de aprovação,...
official
web-research
langchain-ai
Use esta habilidade para solicitações relacionadas a pesquisa na web; ela fornece uma abordagem estruturada para realizar pesquisas web abrangentes.
official
langchain-oss-primer
langchain-ai
SEMPRE COMEÇE AQUI para qualquer projeto de construção de agentes LangChain, Deep Agents ou LangGraph. Ponto de partida obrigatório antes de escolher outras habilidades ou escrever qualquer…
official
skill-creator
langchain-ai
Guia para criar skills eficazes que estendem as capacidades do agente com conhecimento especializado, fluxos de trabalho ou integrações de ferramentas. Use esta skill quando o usuário…
official
social-media
langchain-ai
Cria posts para redes sociais específicas da plataforma, com conteúdo baseado em pesquisa e imagens de acompanhamento geradas. Suporta posts no LinkedIn (1.300 caracteres com tom profissional) e threads no Twitter/X (280 caracteres por tweet no formato 1/🧵). Exige delegar a pesquisa a um subagente antes de escrever e, em seguida, ler os resultados para garantir precisão e relevância. Gera imagens sociais atraentes automaticamente usando a ferramenta generate_social_image, com composições ousadas e de alto contraste otimizadas para telas pequenas...
official
deep-agents-memory
langchain-ai
Backends de memória e arquivos plugáveis para Deep Agents com opções de roteamento efêmero, persistente e híbrido. Quatro tipos de backend: StateBackend (efêmero, com escopo de thread), StoreBackend (persistente entre sessões), FilesystemBackend (acesso real a disco para desenvolvimento local) e CompositeBackend (roteia diferentes caminhos para diferentes backends). FilesystemMiddleware fornece seis ferramentas de operação de arquivos: ls, read_file, write_file, edit_file, glob, grep. CompositeBackend usa correspondência de prefixo mais longo para rotear...
official
deep-agents-orchestration
langchain-ai
Orquestrar subagentes, planejar tarefas de múltiplas etapas e exigir aprovação humana para operações sensíveis. Delegar trabalho a subagentes especializados por meio da ferramenta de tarefas; subagentes personalizados suportam conjuntos de ferramentas isolados e prompts de sistema, enquanto o subagente "de propósito geral" padrão herda a configuração do agente principal. Planejar e acompanhar fluxos de trabalho complexos com write_todos, organizando tarefas entre estados pendente, em andamento e concluído; requer um thread_id para persistência entre invocações. Implementar...
official