feat: enhance streaming-cast documentation and resources

CONTRIBUTING.md

@@ -116,6 +116,7 @@ The Act Operator project consists of several components.
 - `architecting-act`: Architecture design, subgraph composition strategies & CLAUDE.md generation
 - `developing-cast`: LangGraph cast implementation patterns (create_agent, nodes, memory, middleware)
 - `developing-deepagent`: DeepAgent harness patterns (create_deep_agent, subagents, backends, sandbox)
+- `streaming-cast`: LangGraph v2 streaming patterns (stream modes, StreamWriter, subgraph/agent streaming, SSE/WebSocket integration)
 - `testing-cast`: Testing strategies
 
 ### 4️⃣ Documentation (Separate Repository)

CONTRIBUTING_KR.md

@@ -116,6 +116,7 @@ Act Operator 프로젝트는 여러 컴포넌트로 구성되어 있습니다.
 - `architecting-act`: 아키텍처 설계, 서브그래프 구성 전략 및 CLAUDE.md 생성
 - `developing-cast`: LangGraph Cast 구현 패턴 (create_agent, 노드, 메모리, 미들웨어)
 - `developing-deepagent`: DeepAgent 하네스 패턴 (create_deep_agent, 서브에이전트, 백엔드, 샌드박스)
+- `streaming-cast`: LangGraph v2 스트리밍 패턴 (스트림 모드, StreamWriter, 서브그래프/에이전트 스트리밍, SSE/WebSocket 통합)
 - `testing-cast`: 테스팅 전략
 
 ### 4️⃣ 문서 (별도 레포)

README.md

@@ -131,6 +131,8 @@ Skills encode that knowledge as **living files that agents read directly**. Inst
 │   └── resources/         # 50+ patterns: core, agents, tools, memory, middleware
 ├── developing-deepagent/  # DeepAgent harness
 │   └── resources/         # create_deep_agent, subagents, backends, sandbox, HITL
+├── streaming-cast/        # Streaming phase harness
+│   └── resources/         # Stream modes, subgraph streaming, SSE/WebSocket integration
 └── testing-cast/          # Testing phase harness
     └── resources/         # Mocking strategies, fixtures, coverage guides
 ```
@@ -140,6 +142,7 @@ Skills encode that knowledge as **living files that agents read directly**. Inst
 - `architecting-act` — Design graph architectures and node composition strategies. Uses an interactive question sequence to understand requirements before producing a CLAUDE.md that becomes the persistent spec for the implementation phase. Supports 4 modes: initial design, add cast, extract sub-cast, redesign cast.
 - `developing-cast` — Implement LangGraph casts (state, nodes, agents with `create_agent`, tools, memory, middlewares, graph assembly). Reads CLAUDE.md as its source of truth.
 - `developing-deepagent` — Implement DeepAgent harnesses (`create_deep_agent`, subagents, backends, sandbox execution, HITL). Used when a cast node requires multi-step planning or subagent delegation.
+- `streaming-cast` — Implement LangGraph v2 streaming for graphs with subgraphs and agents. Covers stream modes (values, messages, updates, custom, events), StreamWriter, subgraph/agent streaming with namespace parsing, and transport integration (SSE, WebSocket).
 - `testing-cast` — Write pytest tests with LLM mocking strategies. Covers node-level unit tests and graph integration tests.
 
 ## The CLAUDE.md Feedback Loop
@@ -168,6 +171,7 @@ sequenceDiagram
         participant AA as architecting-act
         participant DC as developing-cast
         participant DD as developing-deepagent
+        participant SC as streaming-cast
         participant TC as testing-cast
     end
     participant P as Act Project
@@ -190,6 +194,12 @@ sequenceDiagram
     DD->>P: backend → tools → subagents → middleware → agent assembly
     end
 
+    opt Streaming required
+    U->>SC: "Add streaming to the chatbot cast"
+    SC->>P: Read graph.py (graph structure)
+    SC->>P: Stream mode selection → StreamWriter → subgraph/agent streaming
+    end
+
     Note over U,P: Phase 3 — Testing (Harness: mocking strategies + coverage guides)
     U->>TC: "Write tests for the chatbot cast"
     TC->>P: Read implementation code
@@ -210,7 +220,10 @@ sequenceDiagram
 3. Implement        → "Implement the chatbot based on CLAUDE.md"
    (developing-cast: reads CLAUDE.md → implements state/nodes/agents/graph)
 
-4. Test             → "Write comprehensive tests for the chatbot"
+4. Add Streaming    → "Add streaming to the chatbot cast"
+   (streaming-cast: stream mode selection → token streaming, subgraph streaming)
+
+5. Test             → "Write comprehensive tests for the chatbot"
    (testing-cast: LLM mocking + node unit tests + graph integration tests)
 ```
 
@@ -262,6 +275,7 @@ my_workflow/
 │       ├── architecting-act/      # Design phase: patterns, templates, validation
 │       ├── developing-cast/       # Implementation phase: 50+ reference patterns
 │       ├── developing-deepagent/  # DeepAgent phase: backends, subagents, sandbox
+│       ├── streaming-cast/        # Streaming phase: stream modes, subgraph streaming
 │       └── testing-cast/          # Testing phase: mocking, fixtures, coverage
 ├── casts/
 │   ├── base_node.py              # Base node class (sync/async, signature validation)

README_KR.md

@@ -131,6 +131,8 @@ OpenCode는 프로젝트 루트의 `.env`를 사용합니다(`langgraph.json`의
 │   └── resources/         # 50개 이상 패턴: core, agents, tools, memory, middleware
 ├── developing-deepagent/  # DeepAgent 하네스
 │   └── resources/         # create_deep_agent, 서브에이전트, 백엔드, 샌드박스, HITL
+├── streaming-cast/        # 스트리밍 단계 하네스
+│   └── resources/         # 스트림 모드, 서브그래프 스트리밍, SSE/Websocket 통합
 └── testing-cast/          # 테스팅 단계 하네스
     └── resources/         # 모킹 전략, 픽스처, 커버리지 가이드
 ```
@@ -140,6 +142,7 @@ OpenCode는 프로젝트 루트의 `.env`를 사용합니다(`langgraph.json`의
 - `architecting-act` — 그래프 아키텍처 및 노드 구성 전략 설계. 요구사항을 파악하기 위한 대화형 질문 시퀀스를 사용하고, 구현 단계의 지속적인 명세가 되는 CLAUDE.md를 출력합니다. 4가지 모드: 초기 설계, Cast 추가, Sub-Cast 추출, Cast 재설계.
 - `developing-cast` — LangGraph Cast 구현 (state, nodes, `create_agent` 에이전트, tools, memory, middlewares, graph 조립). CLAUDE.md를 단일 진실 소스(Source of Truth)로 읽습니다.
 - `developing-deepagent` — DeepAgent 하네스 구현 (`create_deep_agent`, 서브에이전트, 백엔드, 샌드박스 실행, HITL). Cast 노드에 다단계 계획이나 서브에이전트 위임이 필요한 경우 사용합니다.
+- `streaming-cast` — 서브그래프와 에이전트가 포함된 그래프를 위한 LangGraph v2 스트리밍 구현. 스트림 모드 (values, messages, updates, custom, events), StreamWriter, 네임스페이스 파싱을 통한 서브그래프/에이전트 스트리밍, 전송 계층 통합 (SSE, WebSocket)을 커버합니다.
 - `testing-cast` — LLM 모킹 전략을 사용한 pytest 테스트 작성. 노드 레벨 단위 테스트와 그래프 통합 테스트를 커버합니다.
 
 ## CLAUDE.md 피드백 루프
@@ -168,6 +171,7 @@ sequenceDiagram
         participant AA as architecting-act
         participant DC as developing-cast
         participant DD as developing-deepagent
+        participant SC as streaming-cast
         participant TC as testing-cast
     end
     participant P as Act Project
@@ -190,6 +194,12 @@ sequenceDiagram
     DD->>P: backend → tools → subagents → middleware → agent assembly
     end
 
+    opt 스트리밍 필요
+    U->>SC: "챗봇 Cast에 스트리밍 추가"
+    SC->>P: graph.py 읽기 (그래프 구조)
+    SC->>P: 스트림 모드 선택 → StreamWriter → 서브그래프/에이전트 스트리밍
+    end
+
     Note over U,P: 3단계 — 테스팅 (하네스: 모킹 전략 + 커버리지 가이드)
     U->>TC: "챗봇 Cast 테스트 작성"
     TC->>P: 구현 코드 읽기
@@ -210,7 +220,10 @@ sequenceDiagram
 3. 구현           → "CLAUDE.md 기반으로 챗봇 구현"
    (developing-cast: CLAUDE.md 읽기 → state/nodes/agents/graph 구현)
 
-4. 테스트         → "챗봇에 대한 포괄적인 테스트 작성"
+4. 스트리밍 추가  → "챗봇 Cast에 스트리밍 추가"
+   (streaming-cast: 스트림 모드 선택 → 토큰 스트리밍, 서브그래프 스트리밍)
+
+5. 테스트         → "챗봇에 대한 포괄적인 테스트 작성"
    (testing-cast: LLM 모킹 + 노드 단위 테스트 + 그래프 통합 테스트)
 ```
 
@@ -262,6 +275,7 @@ my_workflow/
 │       ├── architecting-act/      # 설계 단계: 패턴, 템플릿, 검증
 │       ├── developing-cast/       # 구현 단계: 50개 이상 참조 패턴
 │       ├── developing-deepagent/  # DeepAgent 단계: 백엔드, 서브에이전트, 샌드박스
+│       ├── streaming-cast/        # 스트리밍 단계: 스트림 모드, 서브그래프 스트리밍
 │       └── testing-cast/          # 테스팅 단계: 모킹, 픽스처, 커버리지
 ├── casts/
 │   ├── base_node.py              # 베이스 노드 클래스 (동기/비동기, 시그니처 검증)

act_operator/act_operator/scaffold/{{ cookiecutter.act_slug }}/.claude/skills/streaming-cast/SKILL.md

@@ -141,7 +141,7 @@ See [patterns/integration.md](./resources/patterns/integration.md). SSE is the L
 |----------|----------|
 | filtering by node name, tag, or namespace | [patterns/filtering.md](./resources/patterns/filtering.md) |
 | combining multiple stream modes | [patterns/multiple-modes.md](./resources/patterns/multiple-modes.md) |
-| SSE / WebSocket transport integration | [patterns/frontend-integration.md](./resources/patterns/frontend-integration.md) |
+| SSE / WebSocket transport integration | [patterns/integration.md](./resources/patterns/integration.md) |
 
 ---
 

act_operator/act_operator/scaffold/{{ cookiecutter.act_slug }}/TEMPLATE_README.md

@@ -186,6 +186,7 @@ Agent Skills are folders of instructions that enable AI agents to **discover** c
 | `@architecting-act` | Design architecture | Starting {{ cookiecutter.act_name }} Project, Planning new cast, redesigning existing cast, unclear about structure, need CLAUDE.md |
 | `@developing-cast` | Implement LangGraph cast | Building nodes/agents (create_agent)/tools, need LangGraph patterns |
 | `@developing-deepagent` | Implement DeepAgent | Using create_deep_agent, need subagents/backends/sandbox/long-term memory |
+| `@streaming-cast` | Add streaming | Adding streaming to runtime/API endpoint, need token streaming, custom stream events, subgraph streaming |
 | `@testing-cast` | Write tests | Creating pytest tests, mocking strategies, fixtures |
 
 ### How to Use
@@ -205,6 +206,7 @@ Skills guide you through their specific domain:
 - `architecting-act`: Interactive Q&A → generates `CLAUDE.md` (architecture diagram, node specs, development commands)
 - `developing-cast`: Reads `CLAUDE.md` (Optional) → implements LangGraph cast code
 - `developing-deepagent`: Reads `CLAUDE.md` (Optional) → implements DeepAgent components (create_deep_agent)
+- `streaming-cast`: Reads graph.py → implements streaming (stream modes, StreamWriter, subgraph/agent streaming)
 - `testing-cast`: Creates pytest test files
 
 ### Recommended Development Flow
@@ -215,6 +217,8 @@ Skills guide you through their specific domain:
 2. @developing-cast   →  Implement nodes, agents (create_agent), graphs
         ↓ (if DeepAgent nodes needed)
    @developing-deepagent  →  Implement create_deep_agent, subagents, backends
+        ↓ (if streaming needed)
+   @streaming-cast    →  Add streaming (stream modes, token streaming, subgraph streaming)
         ↓
 3. @testing-cast      →  Write and run tests
 ```
@@ -522,6 +526,7 @@ Agent Skills는 AI 에이전트가 기능을 **발견(Discover)** 하고, 관련
 | `@architecting-act` | 아키텍처 설계 | {{ cookiecutter.act_name }} 프로젝트 시작, 새 cast 계획, 기존 cast 재설계, 구조 불명확, CLAUDE.md 필요 시 |
 | `@developing-cast` | LangGraph Cast 구현 | 노드/에이전트(create_agent)/툴 구현, LangGraph 패턴 필요 시 |
 | `@developing-deepagent` | DeepAgent 구현 | create_deep_agent 사용, 서브에이전트/백엔드/샌드박스/장기 메모리 필요 시 |
+| `@streaming-cast` | 스트리밍 구현 | 런타임/API 엔드포인트 스트리밍 추가, 토큰 스트리밍, 커스텀 스트림 이벤트, 서브그래프 스트리밍 필요 시 |
 | `@testing-cast` | 테스트 작성 | pytest 테스트 생성, 모킹 전략, 픽스처 |
 
 ### 사용 방법
@@ -541,6 +546,7 @@ Agent Skills는 AI 에이전트가 기능을 **발견(Discover)** 하고, 관련
 - `architecting-act`: 대화형 Q&A → `CLAUDE.md` 생성 (아키텍처 다이어그램, 노드 명세, 개발 명령어)
 - `developing-cast`: `CLAUDE.md` 읽기(선택) → LangGraph Cast 코드 구현
 - `developing-deepagent`: `CLAUDE.md` 읽기(선택) → DeepAgent 컴포넌트 구현 (create_deep_agent)
+- `streaming-cast`: graph.py 읽기 → 스트리밍 구현 (스트림 모드, StreamWriter, 서브그래프/에이전트 스트리밍)
 - `testing-cast`: pytest 테스트 파일 생성
 
 ### 권장 개발 흐름
@@ -551,6 +557,8 @@ Agent Skills는 AI 에이전트가 기능을 **발견(Discover)** 하고, 관련
 2. @developing-cast   →  노드, 에이전트(create_agent), 그래프 구현
         ↓ (DeepAgent 노드가 필요한 경우)
    @developing-deepagent  →  create_deep_agent, 서브에이전트, 백엔드 구현
+        ↓ (스트리밍이 필요한 경우)
+   @streaming-cast    →  스트리밍 추가 (스트림 모드, 토큰 스트리밍, 서브그래프 스트리밍)
         ↓
 3. @testing-cast      →  테스트 작성 및 실행
 ```