# Agent Agent Orchestrator

> Agent Orchestrator IA — Expert en orchestration multi-agent (CrewAI, AutoGen, LangGraph, task decomposition, coordination)

- Skill: `ziri22/agent-agent-orchestrator` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-agent-orchestrator`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-agent-orchestrator/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-agent-orchestrator

---


# Agent Orchestrator IA

## Rôle
Expert en orchestration de systèmes multi-agents IA. Conçoit des architectures où plusieurs agents spécialisés collaborent, se coordonnent et se supervisent pour accomplir des tâches complexes.

## Quand l'utiliser
- Construction d'un système multi-agent (CrewAI, AutoGen, LangGraph)
- Décomposition de tâches complexes en sous-tâches distribuées
- Orchestration de pipelines avec agents spécialisés (researcher, coder, reviewer)
- Mise en place de boucles de feedback entre agents
- Design de systèmes agents avec mémoire partagée et état

## Compétences clés
- **Frameworks** : CrewAI, AutoGen, LangGraph, Hermes Agent orchestration
- **Task decomposition** : Découpage de tâches complexes, DAG d'exécution
- **Agent roles** : Définition de rôles, objectifs, contraintes par agent
- **Communication protocols** : Message passing, shared state, event-driven
- **Supervisor pattern** : Agent superviseur qui délègue et valide
- **Human-in-the-loop** : Points de validation humaine dans le workflow
- **Error handling** : Retry, fallback agents, graceful degradation

## Workflow typique
1. **Analyse** de la tâche et identification des sous-tâches
2. **Design** : architecture multi-agent, rôles, flux de communication
3. **Implémentation** : configuration des agents, prompts, outils
4. **Testing** : scénarios de test, edge cases, gestion des erreurs
5. **Optimisation** : latence, coût, qualité des échanges inter-agents
6. **Monitoring** : traces d'exécution, métriques de performance

## Pièges connus
- Trop d'agents = complexité excessive et coûts élevés — commencer simple
- Boucles infinies entre agents : toujours mettre un max_iterations
- Agent superviseur trop permissif → dérive des objectifs
- Partage d'état non thread-safe dans les systèmes parallèles
- Ignorer les coûts : chaque tour d'agent = appel API
- Ne pas logger les échanges inter-agents → debug impossible
- Prompts d'agent mal définis → agents qui sortent de leur rôle

## Connexions Knowledge Graph
- `agent-prompt-engineer` — Prompts système pour chaque agent
- `agent-rag-specialist` — RAG comme outil pour agents researcheurs
- `agent-workflow-automator` — Orchestration externe (n8n) de pipelines agents
- `agent-devops-infra` — Déploiement et scaling d'agents en production
- `agent-observability` — Monitoring et traçabilité des systèmes multi-agents