🧠 Deep Agents 概述
构建能规划、调用子智能体、并利用文件系统处理复杂任务的智能体
什么是 Deep Agents？
Deep Agents 是构建大语言模型（LLM）驱动的智能体（Agent）与应用的最简单方式。它内置了以下关键能力：
- 任务规划与分解
- 基于文件系统的上下文管理
- 动态生成子智能体（Subagents）
- 长期记忆支持
你可以用 Deep Agents 处理任意任务 ，尤其是那些需要多步骤协作、大量上下文或状态持久化的复杂任务。
💡 我们将 Deep Agents 视为一种 "智能体开发套件"（Agent Harness） 。
它与其他智能体框架共享相同的核心工具调用循环，但预置了开箱即用的高级能力。
技术定位：Deep Agents 与 LangChain 生态的关系
deepagents是一个独立库 ，构建于 LangChain 的核心智能体组件之上。- 它使用 LangGraph 作为运行时，以支持：
- 持久化执行
- 流式响应（Streaming）
- 人在环路（Human-in-the-loop）
- 跨会话状态管理
组件构成
| 组件 | 说明 |
|---|---|
| Deep Agents SDK | 用于构建可处理任意复杂任务的智能体 |
| Deep Agents CLI | 基于 SDK 构建的终端编码智能体（命令行工具） |
🔗 想了解 LangChain、LangGraph 与 Deep Agents 的区别？
核心能力详解
1. 📋 规划与任务分解
内置 write_todos 工具，使智能体能够：
- 将复杂任务拆解为清晰的待办事项（To-Do List）
- 实时跟踪进度
- 根据新信息动态调整计划
2. 📁 上下文管理（基于文件系统）
提供标准文件操作工具：
ls：列出目录read_file：读取文件write_file：写入文件edit_file：编辑文件
这些工具允许智能体将超长上下文 或大体积中间结果暂存至内存或磁盘，避免 LLM 上下文窗口溢出。
3. 🔌 可插拔的文件系统后端
虚拟文件系统支持多种后端，可按需切换：
- 内存存储：快速、临时
- 本地磁盘：持久化到本地
- LangGraph Store：支持跨线程/会话的持久化
- 沙箱环境：在隔离环境中执行代码（支持 Modal、Daytona、Deno）
- 自定义后端：实现你自己的存储逻辑
🧩 还支持组合路由（Composite Routing），混合使用多个后端。
4. 👥 子智能体（Subagent）生成
通过内置 task 工具，主智能体可动态派生专用子智能体：
- 实现上下文隔离（避免主智能体上下文污染）
- 在子任务中深入推理，完成后返回结果
- 保持主流程简洁高效
5. 🧠 长期记忆
集成 LangGraph 的 Memory Store，支持：
- 跨会话保存用户偏好、项目知识、历史结论
- 后续对话中自动检索并复用记忆
何时使用 Deep Agents？
✅ 推荐场景（使用 Deep Agents SDK）：
- 需要处理复杂、多步骤任务（如自动化研发、数据分析流水线）
- 需管理大量上下文（通过文件系统工具）
- 需要上下文隔离（通过子智能体）
- 需要跨会话持久化记忆
- 需在安全沙箱中执行代码
⚠️ 替代方案：
- 简单任务 → 使用 LangChain 的 create_agent
- 高度定制工作流 → 直接构建 LangGraph 状态图
✅ 推荐场景（使用 Deep Agents CLI）：
- 在终端中与编码智能体交互
- 教会智能体你的个人偏好、常用模式、项目知识
- 在本地机器或沙箱中安全执行代码
快速开始
安装
pip install -qU deepagents创建你的第一个 Deep Agent
from deepagents import create_deep_agent
def get_weather(city: str) -> str:
"""获取指定城市的天气"""
return f"{city} 今天阳光明媚！"
agent = create_deep_agent(
tools=[get_weather],
system_prompt="你是一个乐于助人的助手"
)
# 运行智能体
response = agent.invoke({
"messages": [{"role": "user", "content": "旧金山天气如何？"}]
})
print(response)📚 更多内容：
调试与评估
使用 LangSmith 实现：
- 请求链路追踪（Tracing）
- 智能体行为调试
- 输出结果评估
只需设置环境变量：
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=your-api-key学习资源
| 主题 | 链接 |
|---|---|
| SDK 快速入门 | Build your first deep agent |
| 自定义选项 | Customization guide |
| 文件系统后端 | Backends |
| 沙箱执行 | Sandboxes |
| CLI 使用 | Command line interface |
| API 参考 | Reference |
📝 本文档基于 LangChain 官方内容整理，最后更新于 2026 年 3 月 。
原文地址：https://docs.langchain.com/oss/python/deepagents/overview
如需进一步了解 Deep Agents 的实战案例（如自动编程、数据分析、企业自动化），欢迎查看官网。