Обзор шагов

Цепочка CARL — это список шагов. Каждый шаг — типизированный объект-описание, который объявляет, что делать и от чего зависит. DAG-исполнитель выбирает executor на основе типа шага.

Типизированный API vs. устаревший

Используйте типизированные классы (LLMStepDescription, ToolStepDescription, …) для нового кода — они дают проверяемые типы полей и явное намерение. Устаревший единый класс StepDescription по-прежнему принимается для обратной совместимости; преобразуйте его с помощью legacy_step.to_typed_step().

Поля, общие для всех шагов

Все классы шагов наследуют StepDescriptionBase и получают эти поля:

Поле	Тип	По умолчанию	Назначение
`number`	`int`	— (обязательное)	Номер шага в последовательности.
`title`	`str`	— (обязательное)	Читаемое название.
`dependencies`	`list[int]`	`[]`	Номера шагов, которых ждёт этот шаг.
`triggered_by`	`list[str]`	`[]`	Имена событий, блокирующих шаг (см. шаги с событиями). Шаг становится готовым только когда все указанные события были испущены и числовые `dependencies` выполнены.
`checkpoint`	`bool`	`False`	Отметить как контрольную точку для отката RE-PLAN.
`checkpoint_name`	`str \| None`	`None`	Необязательная метка контрольной точки.
`replan_enabled`	`bool \| None`	`None`	Переопределение RE-PLAN на уровне шага (`None` = использовать политику цепочки).
`metrics`	`list[MetricBase]`	`[]`	Метрики, вычисляемые после выполнения шага.
`loop_back_to`	`int \| None`	`None`	Шаг, к которому нужно вернуться — см. циклы.
`loop_config`	`LoopConfig \| None`	`None`	Условие цикла + ограничение итераций.
`cache`	`StepCache \| None`	`None`	Мемоизация результата — см. кэширование.

Типы шагов

Базовые

Тип	Класс	Что делает
`llm`	`LLMStepDescription`	Reasoning по типу chain-of-thought с LLM (по умолчанию).
`tool`	`ToolStepDescription`	Вызывает зарегистрированную Python-функцию.
`memory`	`MemoryStepDescription`	read / write / append / delete / list в общей памяти.
`transform`	`TransformStepDescription`	Преобразование данных без вызова LLM.
`conditional`	`ConditionalStepDescription`	Переход к шагу на основе условия.
`structured_output`	`StructuredOutputStepDescription`	Вывод LLM, ограниченный JSON-схемой.

Расширенные

Они описаны на странице расширенных шагов и имеют полноценные руководства в своих разделах (Orchestration, Skills, MCP, Evaluation).

Тип	Класс	Что делает
`mcp`	`MCPStepDescription`	Вызывает инструмент на MCP-сервере.
`mcp_resource`	`MCPResourceStepDescription`	Читает именованный MCP-ресурс в память.
`agent_skill`	`AgentSkillStepDescription`	Запускает папку AgentSkill.
`agent_handoff`	`AgentHandoffStepDescription`	Делегирует выполнение полной под-цепочке.
`supervisor`	`SupervisorStepDescription`	LLM маршрутизирует задачу в одну из N под-цепочек.
`debate`	`DebateStepDescription`	Многоагентная дискуссия по кругу + судья.
`parallel_sampling`	`ParallelSamplingStepDescription`	Семплирует N ответов, голосует / выбирает лучший.
`human_input`	`HumanInputStepDescription`	Пауза для ввода от человека (вызываемый объект или вебхук).
`tool_discovery`	`ToolDiscoveryStepDescription`	Обнаруживает и регистрирует инструменты во время выполнения.
`evaluation`	`EvaluationStepDescription`	Встроенный контроль качества вывода другого шага.

Сквозные возможности

Циклы — повторный запуск диапазона шагов до выполнения условия.
Кэширование — мемоизация результата шага в рамках запуска.
Динамические ссылки — $history, $memory, … связывают шаги между собой.