Skip to content

shug0/jdr-coffee

Repository files navigation

JDR Coffee ☕🎲

Un assistant intelligent pour jeux de rôle médiévaux, combinant recherche historique et assistance de jeu. Ce projet sert également de POC (Proof of Concept) multi-agents Claude démontrant l'architecture distribuée d'agents spécialisés.

🎯 Fonctionnalités

Assistant JDR

  • Recherche d'objets médiévaux avec prix et descriptions
  • Validation historique et cohérence d'époque
  • Interface moderne Next.js avec shadcn/ui

Architecture Multi-Agents Claude

  • Agents spécialisés : recherche historique, validation de sources, enrichissement de corpus
  • Orchestration distribuée : coordination entre agents avec contextes séparés
  • Efficacité token : réduction de 40-60% de l'usage grâce aux sub-agents
  • Recherche contextuelle : corpus de connaissances historiques optimisé

🛠️ Stack Technique

  • Frontend: Next.js 15, React 19, TypeScript
  • UI: shadcn/ui, Tailwind CSS
  • Agents: Architecture Claude multi-agents avec schémas Zod
  • Base de données: Corpus JSON optimisé pour la recherche

🚀 Démarrage

# Installation
pnpm install

# Développement
pnpm dev

Ouvrir http://localhost:3000 dans le navigateur.

📁 Structure Multi-Agents

.claude/
├── agents/           # Agents spécialisés
│   ├── research/     # Recherche historique
│   └── frontend/     # Développement frontend
├── schemas/          # Validation Zod
└── resources/        # Documentation partagée

Agents Disponibles

  • corpus-searcher: Recherche rapide dans le corpus historique
  • source-validator: Validation croisée des sources
  • corpus-enricher: Mise à jour du corpus avec nouveaux findings
  • research-planner: Planification stratégique de recherche
  • web-researcher: Recherche web académique

🎲 Usage JDR

L'assistant peut vous aider à :

  • Trouver des objets d'époque avec prix réalistes
  • Vérifier la cohérence historique de vos éléments
  • Enrichir vos campagnes avec des détails authentiques

🔬 POC Multi-Agents

Ce projet démontre :

  • Décomposition de tâches complexes entre agents spécialisés
  • Coordination parent-enfant avec fusion d'outputs
  • Optimisation des tokens par contextualisation séparée
  • Architecture scalable pour systèmes d'IA distribués