Deep Agents开发指南

[lemooljiang]

Deep Agents 是一个基于 LangChain 代理核心构建模块构建的独立库。它使用 LangGraph 运行时来实现持久化执行、流式处理、人机协同等特性。

它是一个独立的库，用于构建能够处理复杂、多步骤任务的Agent，具备规划能力、用于上下文管理的文件系统以及派生子Agent的能力。
-> 前往星空笔记

Comments

[lemooljiang]

官网 |
文档 |
Github |
中文手册 |
Deep Agents CLI
案例

[lemooljiang]

Deep Agents 是一个基于 LangChain 代理核心构建模块构建的独立库。它使用 LangGraph 运行时来实现持久化执行、流式处理、人机协同等特性。

它是一个独立的库，用于构建能够处理复杂、多步骤任务的Agent，具备规划能力、用于上下文管理的文件系统以及派生子Agent的能力。

[lemooljiang]

• 处理需要规划和分解的复杂、多步骤任务
• 通过文件系统工具管理大量上下文
• 将工作委托给专门的子Agent以实现上下文隔离
• 在对话和线程之间持久化内存

核心功能

• 规划和任务分解
  深度Agent包含一个内置的 write_todos 工具，使Agent能够将复杂任务分解为离散的步骤，跟踪进度，并在新信息出现时调整计划。

• 上下文管理
  文件系统工具（ls、read_file、write_file、edit_file）允许Agent将大量上下文卸载到内存中，防止上下文窗口溢出，并能够处理可变长度的工具结果。

• 子Agent派生
  内置的 task 工具使Agent能够为上下文隔离派生专门的子Agent。这可以保持主Agent的上下文清洁，同时仍能深入处理特定的子任务。

• 长期记忆
  使用 LangGraph 的 Store 扩展Agent，使其具有跨线程的持久内存。Agent可以从以前的对话中保存和检索信息。

[lemooljiang]

virtualenv deep_env
source deep_env/Scripts/activate   //windows
pip install deepagents -i https://pypi.tuna.tsinghua.edu.cn/simple  //0.5.2 
pip install langchain-openai python-dotenv -i https://pypi.tuna.tsinghua.edu.cn/simple  
pip install tavily-python markdownify -i https://pypi.tuna.tsinghua.edu.cn/simple

[lemooljiang]

from deepagents import create_deep_agent

def get_weather(city: str) -> str:
    """Get weather for a given city."""
    return f"It's always sunny in {city}!"

agent = create_deep_agent(
    tools=[get_weather],
    system_prompt="You are a helpful assistant",
)

# Run the agent
agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)