【langchain-ai】专业智能体开发框架-deepagents

Deep Agents 库介绍

写在前面：
最近做智能体调研langgraph ,lanchain，发现的这个新发布的智能体框架。langgraph的灵活性说实话不是很高，langchain 1.0现在对智能体开发的支持也加大力度了。agent必然是未来方向，新库的简介如下！有兴趣的快试试吧！

简介

Deep Agents 是一个基于 LangGraph 构建的 Python 库，旨在解决传统 LLM 工具调用代理在处理长周期、复杂任务时表现"肤浅"的问题。它通过整合规划工具、子代理、文件系统访问和详细提示等功能，使代理能够更有效地处理长期复杂任务。该项目主要受 Claude Code 启发，并在其基础上进行了通用化改进。

核心功能

1. 规划与任务分解：内置write_todos工具，能将复杂任务分解为离散步骤，跟踪进度并适应新信息
2. 上下文管理：提供文件系统工具（ls、read_file、write_file、edit_file、glob、grep），可将大量上下文存储到内存中
3. 子代理生成：通过内置task工具生成专业子代理，实现上下文隔离，保持主代理上下文清洁
4. 长期记忆：借助 LangGraph 的 Store 扩展代理，使其能跨线程保存和检索信息
5. 丰富工具集：除上述工具外，还包括read_todos、execute（沙箱环境中运行shell命令）等工具

亮点特性

1. 通用性强：以通用方式实现深度代理的核心功能，可轻松为各类应用创建深度代理
2. 可扩展性：支持自定义工具、子代理和中间件，满足特定场景需求
3. 与 LangGraph 深度集成：创建的代理本质上是 LangGraph 图，可像其他 LangGraph 代理一样使用流式处理、人机交互、记忆和工作室等功能
4. CLI 工具支持：提供命令行界面，具有技能系统、持久记忆和项目感知能力
5. 灵活的定制选项：可通过系统提示、工具、子代理和中间件等多方面定制代理行为

使用教程

安装

# 使用 pippipinstalldeepagents# 使用 uvuvadddeepagents# 使用 poetrypoetryadddeepagents

基本使用示例

importosfromdeepagentsimportcreate_deep_agentfromtavilyimportTavilyClient# 初始化搜索工具tavily_client=TavilyClient(api_key=os.environ["TAVILY_API_KEY"])definternet_search(query:str,max_results:int=5):"""执行网络搜索"""returntavily_client.search(query,max_results=max_results)# 创建深度代理agent=create_deep_agent(tools=[internet_search],system_prompt="进行研究并撰写一份精炼的报告。",)# 调用代理result=agent.invoke({"messages":[{"role":"user","content":"什么是 LangGraph？"}]})

使用子代理示例

# 定义子代理research_subagent={"name":"research-agent","description":"用于深入研究问题","system_prompt":"你是一位优秀的研究员","tools":[internet_search],"model":"openai:gpt-4o",# 可选，默认使用主代理模型}# 创建包含子代理的主代理agent=create_deep_agent(model="anthropic:claude-sonnet-4-20250514",subagents=[research_subagent])

其他重要信息

• 文档资源：完整概述和 API 参考可查看 官方文档
• 示例代码：可在 快速入门仓库 中找到各种示例和用例
• CLI 工具：提供交互式命令行界面，支持技能、记忆和人机交互工作流
• MCP 集成：可通过 langchain-mcp-adapters 连接 MCP 工具
• 定制化选项：支持长期记忆定制、子代理配置、工具扩展等多种定制方式

Deep Agents 特别适合需要处理长期、复杂任务的场景，如深度研究、代码生成和复杂数据分析等，通过其分层架构和丰富功能，能够显著提升代理处理复杂任务的能力。