Deepagents全球视角构建下一代AI代理的完整指南【免费下载链接】deepagentsDeepagents is an agent harness built on langchain and langgraph. Deep agents are equipped with a planning tool, a filesystem backend, and the ability to spawn subagents - making them well-equipped to handle complex agentic tasks.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents在当今快速发展的AI时代Deepagents作为基于LangChain和LangGraph构建的AI代理框架为开发者提供了开箱即用的智能代理解决方案。这款强大的AI代理工具集通过规划工具、文件系统后端和子代理生成能力能够处理复杂的代理任务让AI代理开发变得前所未有的简单高效。 Deepagents的全球技术架构Deepagents采用模块化设计整个项目结构清晰便于全球开发者协作和维护。项目采用Python monorepo架构包含多个独立版本化的包deepagents/ ├── libs/ │ ├── deepagents/ # 核心SDK │ ├── cli/ # 命令行工具 │ ├── acp/ # Agent Context Protocol支持 │ ├── harbor/ # 评估和基准测试框架 │ └── partners/ # 集成包这种架构设计使得Deepagents能够灵活扩展同时保持各模块的独立性。核心的AI代理功能位于libs/deepagents/deepagents/提供了完整的代理运行时环境。 开箱即用的AI代理功能Deepagents的最大优势在于电池内置的理念。您无需从头开始配置提示词、工具和上下文管理而是立即获得一个可工作的AI代理智能规划- 通过write_todos工具实现任务分解和进度跟踪文件系统访问- 提供read_file、write_file、edit_file、ls、glob、grep等完整文件操作Shell执行- 通过execute命令运行系统命令支持沙箱隔离子代理系统- 使用task工具委托工作拥有独立的上下文窗口智能默认值- 预配置的提示词教导模型如何有效使用这些工具上下文管理- 自动摘要功能处理长对话大输出自动保存到文件Deepagents CLI界面展示了交互式AI代理的完整工作流程包括LangSmith追踪和工具加载功能 快速入门指南安装Deepagents非常简单只需几行命令# 使用pip安装 pip install deepagents # 或使用uv推荐 uv add deepagents创建您的第一个AI代理from deepagents import create_deep_agent agent create_deep_agent() result agent.invoke({ messages: [{ role: user, content: 研究LangGraph并撰写总结报告 }] })代理会自动规划任务、读写文件并管理自己的上下文。您可以根据需要添加自定义工具、更换模型或调整提示词。 全球开发者生态集成Deepagents与全球AI生态系统深度集成多模型支持Deepagents支持所有支持工具调用的LLM包括前沿模型和开源模型。您可以根据需求选择最适合的模型from langchain.chat_models import init_chat_model agent create_deep_agent( modelinit_chat_model(openai:gpt-4o), tools[my_custom_tool], system_prompt您是一个专业的研究助手。, )MCP协议支持通过langchain-mcp-adapters支持MCPModel Context Protocol实现与各种工具的标准化集成。LangGraph原生集成create_deep_agent返回一个编译好的LangGraph图支持流式处理、Studio、检查点等所有LangGraph功能。 实际应用案例1. 文本到SQL转换代理examples/text-to-sql-agent/展示了如何构建自然语言到SQL查询的AI代理。这个高级版本具备规划、文件系统和子代理能力LangSmith追踪展示了文本到SQL代理的工作流程包括任务分解和中间步骤2. 内容构建代理examples/content-builder-agent/演示了如何通过三个文件系统原语定义代理内存(AGENTS.md) - 长期记忆和知识库技能(skills/) - 特定任务的工具集子代理(subagents.yaml) - 用于委托任务的专业代理3. NVIDIA深度代理examples/nvidia_deep_agent/展示了多模型架构前沿模型处理规划、合成和代码生成Nemotron Super处理网络研究等批量工作本地文件系统通过FilesystemBackend存储内存和技能4. Ralph模式examples/ralph_mode/实现了自主循环模式每次迭代使用新的上下文同时利用文件系统进行持久化Ralph模式架构展示了AI代理的迭代工作流程通过文件系统实现持久化存储️ 深度定制与扩展添加自定义工具您可以为AI代理添加任何自定义工具扩展其能力范围from langchain.tools import tool tool def custom_data_processor(data: str) - str: 处理自定义数据的工具 # 您的处理逻辑 return processed_data agent create_deep_agent(tools[custom_data_processor])配置子代理子代理允许将复杂任务分解并分配给专业代理处理# subagents.yaml示例 researcher: name: Research Assistant description: 专业的研究助手擅长信息收集和分析 system_prompt: 您是一个专业的研究助手擅长收集和分析信息。 data_processor: name: Data Processor description: 数据处理专家擅长数据清洗和分析 system_prompt: 您是数据处理专家专注于数据清洗、转换和分析。编辑器集成Deepagents支持与Zed等现代编辑器集成Deepagents作为外部代理选项集成到Zed编辑器中提供无缝的开发体验 安全最佳实践Deepagents遵循信任LLM模型代理可以执行其工具允许的任何操作。安全边界应在工具/沙箱级别强制执行而不是期望模型自我监管避免在用户控制的输入上使用eval()、exec()或pickle实现适当的异常处理避免裸except:确保适当的资源清理文件句柄、连接在提交前删除无法访问/已注释的代码 为什么选择Deepagents开源优势100%开源- MIT许可证完全可扩展提供商无关- 支持所有支持工具调用的LLM基于LangGraph构建- 生产就绪的运行时支持流式处理、持久化和检查点电池内置- 规划、文件访问、子代理和上下文管理开箱即用秒级启动-uv add deepagents即可获得可工作的代理分钟级定制- 根据需要添加工具、更换模型、调整提示词全球社区支持Deepagents拥有活跃的全球开发者社区文档docs.langchain.com - 全面的文档和指南API参考reference.langchain.com/python - Deep Agents包的API参考讨论区LangChain论坛 - 与社区连接并分享技术问题 企业级部署性能优化CLI工具保持快速启动避免在模块级别或参数解析路径中导入重量级包# 正确的延迟导入方式 def get_agent(): from deepagents import create_deep_agent # 延迟导入 return create_deep_agent()测试策略每个新功能或错误修复都必须有单元测试覆盖单元测试tests/unit_tests/不允许网络调用集成测试tests/integration_tests/允许网络调用测试文件结构应镜像源代码结构尽可能避免使用模拟测试实际实现 未来展望Deepagents正在快速发展未来版本将包括增强的C工具支持- 提供更好的跨平台兼容性更丰富的技能库- 预构建的专业技能模板改进的沙箱安全性- 更细粒度的权限控制云部署优化- 简化云端AI代理部署流程Deepagents ACP展示了C编码最佳实践和跨平台编程指南 开始您的AI代理之旅无论您是AI新手还是经验丰富的开发者Deepagents都为您提供了构建智能代理的理想起点。通过其模块化设计、丰富的功能和活跃的社区支持您可以快速构建、测试和部署生产级的AI代理应用。记住最好的学习方式就是动手实践。从安装Deepagents开始探索示例项目然后构建您自己的定制代理。全球AI代理的未来从Deepagents开始【免费下载链接】deepagentsDeepagents is an agent harness built on langchain and langgraph. Deep agents are equipped with a planning tool, a filesystem backend, and the ability to spawn subagents - making them well-equipped to handle complex agentic tasks.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考