deepagents-overview

name	deepagents-overview
description	理解 Deep Agents 框架 - 它们是什么、如何使用 createDeepAgent 创建，以及 agent harness 架构，包括内置的规划、文件系统和子代理中间件。 Use when this capability is needed.
metadata	{"author":"evanfang0054"}

deepagents-overview (JavaScript/TypeScript)

什么是 Deep Agents？

Deep Agents 是一个基于 LangChain 和 LangGraph 构建的自有代理框架，专为复杂的多步骤任务而设计。它们"开箱即用"，具有内置功能：

• 任务规划：TodoListMiddleware 用于分解复杂任务
• 上下文管理：具有可插拔后端的文件系统工具
• 任务委托：SubAgent 中间件用于启动专用代理
• 长期内存：通过 Store 跨会话持久化存储
• 人工干预：敏感操作的审批工作流

Deep Agents 使用"agent harness"架构 - 与其他框架相同的核心工具调用循环，但具有预配置的中间件和工具。

何时使用 Deep Agents

使用 Deep Agents 当	使用 LangChain 的 createAgent 当
需要规划的多步骤任务	简单、单一用途的任务
需要文件管理的大上下文	上下文适合单个提示
需要专用子代理	单个代理足够
跨会话持久化内存	临时的单会话工作
CLI 或编码助手用例	简单 API 或聊天应用

创建 Deep Agent

基本代理创建

import { createDeepAgent } from "deepagents";

// 具有默认设置的最小代理
const agent = await createDeepAgent({});

// 调用代理
const result = await agent.invoke({
  messages: [
    { role: "user", content: "东京的天气怎么样？" }
  ]
});

具有自定义工具的代理

import { createDeepAgent } from "deepagents";
import { tool } from "langchain";
import { z } from "zod";

const getWeather = tool(
  ({ city }) => `${city} 总是晴天！`,
  {
    name: "get_weather",
    description: "获取给定城市的天气",
    schema: z.object({
      city: z.string(),
    }),
  }
);

const agent = await createDeepAgent({
  tools: [getWeather],
  systemPrompt: "你是一个有用的天气助手"
});

const result = await agent.invoke({
  messages: [
    { role: "user", content: "东京的天气怎么样？" }
  ]
});

具有自定义模型的代理

import { createDeepAgent } from "deepagents";
import { ChatOpenAI } from "@langchain/openai";

// 使用 provider:model 格式
const agent = await createDeepAgent({
  model: "openai:gpt-4"
});

// 或传递模型实例
const model = new ChatOpenAI({ model: "gpt-4", temperature: 0 });
const agent2 = await createDeepAgent({
  model
});

Agent Harness 架构

Deep Agents 在创建时自动附加中间件：

import { createDeepAgent } from "deepagents";

// 此代理自动具有：
// - TodoListMiddleware（任务规划）
// - FilesystemMiddleware（文件操作）
// - SubAgentMiddleware（任务委托）
// - SummarizationMiddleware（历史管理）
// - AnthropicPromptCachingMiddleware（缓存）
// - PatchToolCallsMiddleware（工具调用修复）
const agent = await createDeepAgent({});

内置工具

每个 deep agent 都可以访问：

1. 规划工具：write_todos - 跟踪多步骤任务
2. 文件系统工具：ls、read_file、write_file、edit_file、glob、grep
3. 子代理工具：task - 将工作委托给专用代理

配置选项

import { createDeepAgent, FilesystemBackend } from "deepagents";
import { MemorySaver, InMemoryStore } from "@langchain/langgraph";

const agent = await createDeepAgent({
  name: "my-assistant",            // 可选：代理名称
  model: "claude-sonnet-4-5-20250929",  // 要使用的模型
  tools: [customTool1, customTool2],    // 附加工具
  systemPrompt: "自定义指令",   // 自定义系统提示
  middleware: [customMiddleware],        // 附加中间件
  subagents: [researchAgent, codeAgent], // 自定义子代理
  backend: new FilesystemBackend({ rootDir: "." }),  // 存储后端
  interruptOn: { write_file: true },     // 人工干预配置
  skills: ["/path/to/skills/"],     // 技能目录
  checkpointer: new MemorySaver(),  // 中断所需
  store: new InMemoryStore()        // 用于长期内存
});

决策表：要自定义哪个中间件

如果你需要...	使用此中间件	何时自定义
跟踪复杂的多步骤任务	todoListMiddleware	默认工作；需要时自定义提示
管理文件上下文	createFilesystemMiddleware	更改后端或工具描述
委托专门工作	createSubAgentMiddleware	添加具有特定工具的自定义子代理
防止上下文溢出	summarizationMiddleware	默认工作；自定义摘要策略
缓存提示（Anthropic）	anthropicPromptCachingMiddleware	默认自动工作
添加人工审批	humanInTheLoopMiddleware	配置哪些工具需要审批
按需加载技能	skillsMiddleware	提供技能目录
访问持久化内存	memoryMiddleware	提供 Store 实例

边界

Agent 可以配置的内容

✅ 模型选择和参数 ✅ 附加的自定义工具 ✅ 系统提示自定义 ✅ 后端存储策略 ✅ 哪些工具需要审批 ✅ 具有专用工具的自定义子代理 ✅ 技能目录和内容 ✅ 中间件顺序和配置

Agent 不能配置的内容

❌ 核心中间件移除（TodoList、Filesystem、SubAgent 始终存在） ❌ write_todos、task 或文件系统工具名称 ❌ 基本工具调用循环 ❌ LangGraph 的运行时执行模型 ❌ Agent Skills 协议格式

注意事项

1. 中断需要 Checkpointer

// ❌ 如果设置了 interruptOn 将会出错
const agent = await createDeepAgent({
  interruptOn: { write_file: true }
});

// ✅ Checkpointer 是必需的
import { MemorySaver } from "@langchain/langgraph";

const agent = await createDeepAgent({
  interruptOn: { write_file: true },
  checkpointer: new MemorySaver()
});

2. 持久化内存需要 Store

// ❌ StoreBackend 需要 Store
import { StoreBackend } from "deepagents";

const agent = await createDeepAgent({
  backend: (config) => new StoreBackend(config)
});

// ✅ 传递 Store 实例
import { InMemoryStore } from "@langchain/langgraph";

const agent = await createDeepAgent({
  backend: (config) => new StoreBackend(config),
  store: new InMemoryStore()
});

3. 技能需要后端设置

// ❌ 没有正确的后端技能不会加载
const agent = await createDeepAgent({
  skills: ["/path/to/skills/"]
});

// ✅ 使用 FilesystemBackend 进行本地技能
import { FilesystemBackend } from "deepagents";

const agent = await createDeepAgent({
  backend: new FilesystemBackend({ rootDir: ".", virtualMode: true }),
  skills: ["./skills/"]
});

4. 有状态对话需要 Thread ID

// ❌ 没有 thread_id 每次调用都是隔离的
await agent.invoke({ messages: [{ role: "user", content: "嗨" }] });
await agent.invoke({ messages: [{ role: "user", content: "我说了什么？" }] });

// ✅ 使用一致的 thread_id 保持对话连续性
const config = { configurable: { thread_id: "user-123" } };
await agent.invoke({ messages: [{ role: "user", content: "嗨" }] }, config);
await agent.invoke({ messages: [{ role: "user", content: "我说了什么？" }] }, config);

5. 默认模型是 Anthropic Claude

// 默认使用 claude-sonnet-4-5-20250929
const agent = await createDeepAgent({});

// 需要 ANTHROPIC_API_KEY 环境变量
// 如果使用 OpenAI 模型，设置 OPENAI_API_KEY
process.env.ANTHROPIC_API_KEY = "your-key";

6. 等待 createDeepAgent

// ❌ 缺少 await
const agent = createDeepAgent({});

// ✅ createDeepAgent 是异步的
const agent = await createDeepAgent({});

完整文档

• Deep Agents 概述
• Agent Harness 功能
• 自定义 Deep Agents
• Deep Agents 快速入门

---

Converted and distributed by TomeVault — claim your Tome and manage your conversions.