GitHub - langchain-ai/deepagents: 包含电池的智能体框架。· GitHub

来源: https://github.com/langchain-ai/deepagents 抓取时间: 2026-07-21 16:19:52

包含电池的智能体框架。

Deep Agents 是一个开源智能体框架——一个开箱即用的有主见的智能体。您可以扩展、覆盖或替换任何部分。 原则：

• 有主见——为长时间、多步骤工作调整的默认设置
• 可扩展——无需分叉即可覆盖或替换任何部分
• 模型无关——适用于任何支持工具调用的 LLM：前沿、开源或本地
• 生产就绪——基于 LangGraph（流式传输、持久性、检查点）构建，通过 LangSmith 提供一流的追踪、评估和部署

功能包括：

• 子智能体——将任务委托给具有隔离上下文窗口的智能体
• 文件系统——对可插拔的本地、沙盒化或远程后端进行读取、写入、编辑或搜索
• 上下文管理——总结长线程并将工具输出卸载到磁盘
• Shell 访问——在您选择的沙盒中运行命令
• 持久内存——用于跨会话召回的可插拔状态和存储后端
• 人在回路——在工具运行前批准、编辑或拒绝它们
• 技能——智能体可以按需加载的可重用行为
• 工具——自带您的函数或任何 MCP 服务器

Deep Agents 还提供 JavaScript/TypeScript 库版本——请参阅 deepagents.js。 注意 Deep Agents Code——一个预构建的终端编码智能体，类似于 Claude Code 或 Cursor，由任何 LLM 提供支持。使用 curl -LsSf https://langch.in/dcode | bash 安装。查看 文档 了解完整功能集。

快速开始

uv add deepagents

from deepagents import create_deep_agent

agent = create_deep_agent(
    model="openai:gpt-5.5",
    tools=[my_custom_tool],
    system_prompt="You are a research assistant.",
)
result = agent.invoke({"messages": "Research LangGraph and write a summary"})

该智能体可以规划、读取/写入文件并管理自己的上下文。添加您自己的工具、交换模型、自定义提示、配置子智能体等。查看 文档 了解完整详情。 提示 对于开发、调试和部署 AI 智能体和 LLM 应用程序，请参阅 LangSmith。

常见问题

这与 LangGraph 或 LangChain 有什么不同？

LangGraph 是图运行时。LangChain 的 create_agent 是其上的最小智能体框架。Deep Agents 是在 create_agent 之上的更有主见的框架——相同的构建块，但包含文件系统、子智能体、上下文管理和技能。有关这三者的关系，请参阅 LangChain 生态系统概述。

这适用于开源或本地模型吗？

是的。任何支持工具调用的模型都适用——前沿 API（OpenAI、Anthropic、Google）、托管在 Baseten 或 Fireworks 等提供商上的开源模型，以及通过 Ollama、vLLM 或 llama.cpp 自托管的模型。使用任何 LangChain 聊天模型。

我可以在生产中使用这个吗？

是的！Deep Agents 基于 LangGraph 构建，专为生产智能体部署而设计。将其与 LangSmith 配对以进行追踪、评估和监控。查看 进入生产 了解完整指南。

我应该什么时候使用 Deep Agents 而不是直接使用 LangChain 或 LangGraph？

这三者都是同一堆栈中的层——请参阅 LangChain 生态系统概述 了解它们的关系。使用 Deep Agents 当您想要完整的框架——规划、上下文管理、委托——开箱即用。使用 LangChain 的create_agent 当您想要更轻的框架而没有捆绑的中间件。使用 LangGraph 当智能体循环本身不是正确的形状并且您需要自定义图时。 这些层可以组合：任何 LangGraph CompiledStateGraph 都可以作为子智能体传递给 Deep Agent，因此自定义编排可以与框架的默认设置一起插入。

资源

• 示例 ——工作智能体和模式
• 文档 ——概念概述和指南
• LangChain 生态系统概述 ——Deep Agents、LangChain、LangGraph 和 LangSmith 如何结合在一起
• API 参考 ——所有公共类、函数和类型的完整参考
• 讨论 ——社区论坛，用于技术问题、想法和反馈
• LangChain 学院 ——由 LangChain 团队制作的关于 LangChain 库和产品的全面免费课程。
• 贡献指南 ——如何贡献和找到好的第一个问题
• 行为准则 ——社区指南和标准

致谢

受 Claude Code 启发：尝试识别其通用的原因，并进一步推动这一点。

安全

Deep Agents 遵循“信任 LLM”模型。智能体可以做其工具允许的任何事情。在工具/沙盒级别执行边界，而不是期望模型自我监督。查看 安全策略 了解更多信息。