Deep Agents 概览 (Deep Agents Overview)

构建能够进行任务规划、使用子代理并利用文件系统处理复杂任务的高级 Agent。

deepagents 是一个用于构建处理复杂、多步骤任务代理的独立库。它基于 LangGraph 构建，并受到 Claude Code、Deep Research 和 Manus 等应用的启发。deepagents 具备强大的规划能力、用于上下文管理的文件系统工具，以及产生子代理（Subagents）的能力。

何时使用 Deep Agents

当你的代理需要具备以下能力时，请考虑使用 deepagents：

• 处理复杂的多步骤任务：需要进行任务分解和逻辑规划。
• 管理大规模上下文：通过文件系统工具（File System Tools）管理超长上下文。
• 任务委托：通过生成专门的子代理来实现上下文隔离（Context Isolation）。
• 持久化记忆：支持在不同的对话和线程之间保持长期记忆。

对于简单的使用场景，建议使用 LangChain 的 create_agent 或构建自定义的 [LangGraph] 工作流。

核心能力 (Core Capabilities)

📈 规划与任务分解

内置 write_todos 工具，使代理能够将复杂任务拆分为离散步骤、跟踪进度，并根据新信息自适应调整计划。

✂️ 上下文管理

提供文件系统工具（ls, read_file, write_file, edit_file），允许代理将大量上下文转存至“文件”，防止上下文窗口溢出，并支持处理变长的工具结果。

👥 子代理产生 (Subagent Spawning)

通过内置的 task 工具，代理可以生成专门的子代理。这能保持主代理的上下文整洁，同时支持深入处理特定的子任务。

🗄️ 长期记忆 (Long-term Memory)

利用 LangGraph 的 Store 扩展代理的跨线程持久记忆。代理可以保存并检索以往对话中的信息。

与 LangChain 生态系统的关系

Deep Agents 构建于以下技术栈之上：

• [LangGraph] - 提供底层的图执行和状态管理。
• [LangChain] - 工具和模型集成可与 Deep Agents 无缝协作。
• [LangSmith] - 提供观测性（Observability）、评估和部署支持。

Deep Agents 应用可以通过 LangSmith Deployment 进行部署，并使用 LangSmith Observability 进行监控。

快速开始

• [快速上手] - 构建你的第一个 Deep Agent。
• [自定义指南] - 了解代理的自定义选项。
• [中间件架构] - 理解中间件（Middleware）架构。
• [API 参考] - 查看 deepagents 的完整 API 手册。