deepagents之准备篇

前言

本节主要学习agentseek工具的使用,AgentSeek 是一个面向 AI 应用开发的模板与生命周期工具。你通过模板创建项目,再用一组固定命令管理不同项目。

使用agentseek可以快速的基于模板创建一个应用。

本地环境

需要uv node git等,对于windows系统,推荐使用wsl方式。

我一开始以为windows应该也还行,但是后面运行模板项目,发现会有报错(pylibseekdb这个包windows不支持),只得转向wsl。

然后过程中还会遇到网络问题,就是需要用到代理。可以配置.wslconfig,wsl即可直接使用windows的代理。

复制代码
[wsl2]
networkingMode=mirrored
autoProxy=true

注意修改了配置需要重启wsl wsl --shutdown

安装uv

curl -LsSf https://astral.sh/uv/install.sh | sh

安装agentseek

uv tool install --upgrade agentseek

确认安装成功

agentseek version

agentseek --help

安装模板

查看模板

agentseek create --list-templates --checkout main

实际发现如上命令,就报错(Explicit template catalog is invalid: catalog repository fetch failed.),去掉--checkout main解决问题

安装模板项目

agentseek create deepagents/research --checkout main --no-input

同样去掉--checkout main

查看生命周期

查看项目摘要

agentseek info

查库一次性任务

agentseek task --list

可以看到需要安装前后端的项目依赖,然后才可以运行项目

安装项目依赖

安装后端依赖

agentseek task sync

安装前端依赖

agentseek task frontend

配置模型和搜索服务

复制.env文件

cp .env.example .env

cp frontend/.env.example frontend/.env

然后可以在VSCode中打开项目,方便进行文件编辑

由于我们使用的是wsl环境,首先安装wsl插件,然后F1,输入wsl,选择

第一次使用的话,会先安装VScode server,然后就可以连上本地wsl。然后就可以打开wsl上的目录,其实和远程连接Linux环境差不多。

检查启动条件

agentseek doctor

可以检查是不是相关环境都安装好了,我这里提示node没安装,然后安装了下。

预览开发环境

agentseek dev --dry-run

可以看到前后端地址与端口

开启langsmith trace

LANGSMITH_TRACING=true

LANGSMITH_API_KEY=

LANGSMITH_PROJECT=deepagents-course

启动 并验证前后端连通

agentseek dev

再开一个新的终端

agentseek doctor --live

打开前端:http://127.0.0.1:5174,输入:Research what LangGraph 1.0 added vs 0.x. Cite sources.

agent开始运行...

起码运行了十几二十分钟吧,使用硅基流动的V4.1 flash,花了一块多。

langsmith 跟踪

在langsmith可以 看到trace记录

结语

主要还是环境问题

windows下还是存在一些兼容性问题,使用wsl又有一些坑点,好在基本搞定了。


相关资料参考:https://datawhalechina.github.io/deepagents-in-action/chapters/pre01-agentseek-create/

相关推荐
神也畏惧菠萝1 天前
想要学习Agent应用开发?:2026 AI Agent开发全栈通关路线
学习·langgraph·mcp协议·agent开发·rag架构·prompt高级工程
笑小枫5 天前
AgentScope 学习系列 - 07:Permission System 精准化控制 Tool 权限
智能体开发·agent开发·agentscope·reactagent·java开发智能体
小沈同学呀7 天前
【Agent开发第十三期】多模型路由:给 Agent 装一个“调度台“,实测省 86% 成本
人工智能·agent开发·多模型路由
制造数据与AI践行者老蒋19 天前
排坑笔记:LangChain 多工具 Agent 完整性校验 return_intermediate_steps 事后核对方案
langchain·ai agent·工具调用·agent开发·排坑笔记·多工具协同·工程化 质量保障
制造数据与AI践行者老蒋20 天前
排坑笔记:LangChain 1.x API 迁移:create_react_agent 与 ChatOllama 导入错误完整解决方案
langchain·依赖管理·importerror·agent开发·ai开发环境·排坑笔记·版本兼容
可乐ea24 天前
从第一性原理构建 AI Agent:提示词、工具、技能与记忆全解剖
数据库·人工智能·工具调用·ai智能体·提示词工程·agent开发·智能体记忆
笑小枫25 天前
AgentScope 学习系列 - 01:环境搭建与初体验
智能体开发·agent开发·agentscope·java开发智能体·企业级智能体开发
可乐ea1 个月前
用 /create-canvas 给 Copilot 搭一块共享画布:自定义工作流实战
copilot·ai智能体·人机协作·agent开发·githubcopilot·工作流自动化
海天一色y1 个月前
RAG 优化实战:从精确召回、QA 生成到上下文压缩的全链路工程化方法
rag·agent开发