Расширенные шаги

Помимо базовых шагов, CARL поставляет типы шагов для MCP, навыков, многоагентной оркестрации и многого другого. Каждый получает полное руководство в своём разделе; эта страница — карта с основной информацией.

MCP — вызов инструментов на MCP-сервере

MCPStepDescription + MCPStepConfig. Транспорты: stdio, http, sse.

from mmar_carl import MCPStepDescription
from mmar_carl.models.config import MCPStepConfig, MCPServerConfig

MCPStepDescription(
    number=1,
    title="Call MCP tool",
    config=MCPStepConfig(
        server=MCPServerConfig(server_name="my_server", command="python", args=["-m", "my_mcp_server"]),
        tool_name="search",
        argument_mapping={"query": "$history[-1]"},
    ),
)

→ Полное руководство: Обзор MCP.

MCP-ресурс — чтение ресурса в память

MCPResourceStepDescription + MCPResourceStepConfig. Получает данные только для чтения (файлы, документацию, схемы) и записывает их в память и историю.

from mmar_carl import MCPResourceStepDescription
from mmar_carl.models.config import MCPResourceStepConfig, MCPServerConfig

MCPResourceStepDescription(
    number=1,
    title="Load API reference",
    config=MCPResourceStepConfig(
        server=MCPServerConfig(server_name="docs", transport="sse", url="http://docs/sse"),
        resource_uri="docs://api/reference.md",
        output_memory_key="api_docs",
    ),
)

Передача управления агенту — делегирование под-цепочке

AgentHandoffStepDescription запускает полную под-цепочку с изолированным контекстом; входные данные разрешаются из памяти/истории родителя, результат объединяется обратно через config.output_memory_key.

from mmar_carl import AgentHandoffStepDescription
from mmar_carl.models.config import AgentHandoffStepConfig

AgentHandoffStepDescription(
    number=3,
    title="Delegate to research agent",
    sub_chain=research_chain,
    config=AgentHandoffStepConfig(
        input_mapping={"input.topic": "$memory.input.topic"},
        output_memory_key="research_result",
    ),
)

Полный ReasoningResult под-цепочки доступен по адресу step_result.result_data["sub_result"].

Остальные — кратко

Шаг	Класс · конфиг	Что делает	Пример
AgentSkill	AgentSkillStepDescription · AgentSkillStepConfig	Запускает папку AgentSkill (режимы LLM / SCRIPT / HYBRID / SUBAGENT / LLM_AGENT; в изолированной среде).	agent_skill_example.py
Supervisor	SupervisorStepDescription · SupervisorStepConfig	LLM маршрутизирует задачу в одну из N зарегистрированных специализированных под-цепочек.	supervisor_routing_example.py
Debate	DebateStepDescription · DebateStepConfig	Ролевая дискуссия по кругу, затем судья синтезирует.	—
Параллельное семплирование	ParallelSamplingStepDescription · ParallelSamplingStepConfig	Семплирует N независимых ответов, затем голосует / LLM-судья выбирает лучший.	llm_council_example.py
Ввод от человека	HumanInputStepDescription · HumanInputStepConfig	Пауза для ввода от человека (внутрипроцессный вызываемый объект или вебхук).	human_in_the_loop_example.py
Обнаружение инструментов	ToolDiscoveryStepDescription · ToolDiscoveryStepConfig	Обнаруживает и регистрирует инструменты во время выполнения из модуля / вызываемых объектов / словаря.	—
Оценка	EvaluationStepDescription · EvaluationStepConfig	Встроенный контроль качества вывода предыдущего шага; реагирует через on_fail (continue / abort / retry-with-feedback).	—

Заметка

У каждого из них есть отдельный раздел с полными руководствами: Оркестрация (supervisor / debate / parallel sampling / handoff / human-in-the-loop), AgentSkills, MCP и Оценка. Эта страница — карта с основной информацией.