---

项目概览

属性	内容
名称	deepagents
组织	langchain-ai
定位	“The batteries-included agent harness”（开箱即用的智能体框架）
核心基础	LangChain + LangGraph
许可证	MIT License
开源状态	100% 开源

---

核心功能特性

1. 内置工具集（Batteries Included）

类别	工具	说明
规划	write_todos	任务分解与进度跟踪
文件系统	read_file, write_file, edit_file, ls, glob, grep	读写上下文文件
Shell 访问	execute	运行命令（带沙箱隔离）
子智能体	task	委派工作，隔离上下文窗口

2. 智能默认配置

• 预设提示词（Prompts）：教导模型有效使用工具
• 上下文管理：自动摘要（对话过长时）、大输出自动保存到文件

---

快速开始

# 安装
pip install deepagents
# 或
uv add deepagents

from deepagents import create_deep_agent

agent = create_deep_agent()
result = agent.invoke({
    "messages": [{"role": "user", "content": "Research LangGraph and write a summary"}]
})

---

自定义配置示例

from langchain.chat_models import init_chat_model

agent = create_deep_agent(
    model=init_chat_model("openai:gpt-4o"),
    tools=[my_custom_tool],
    system_prompt="You are a research assistant.",
)

• MCP 支持：通过 langchain-mcp-adapters 实现
• 返回的是已编译的 LangGraph 图，支持流式传输、Studio、检查点等所有 LangGraph 特性

---

Deep Agents CLI

特性	说明
安装方式	curl -LsSf https://raw.githubusercontent.com/langchain-ai/deepagents/main/libs/cli/scripts/install.sh | bash
核心功能	Web 搜索、远程沙箱、持久化记忆、人工介入审批等
详细文档	libs/cli/README

---

项目统计数据（截至 2026-03-16）

指标	数值
⭐ Stars	12.4k
🍴 Forks	2k
👁️ Watchers	80
📝 Issues	101
🔀 Pull Requests	76
🏷️ Releases	70（最新：deepagents==0.4.11，2026-03-14）
👥 Contributors	91
🌿 Branches	444
🏷️ Tags	72
💻 主要语言	Python 99.5%

---

项目结构

deepagents/
├── .github/          # GitHub 配置
├── .vscode/          # IDE 设置（2026-02-03 添加）
├── examples/         # 示例代码
├── libs/             # 核心库代码
├── .gitignore
├── .markdownlint.json    # Markdown 格式配置
├── .mcp.json             # MCP 配置（2026-03-11 添加参考文档）
├── .pre-commit-config.yaml   # 预提交钩子
├── .release-please-manifest.json
├── AGENTS.md         # 智能体相关文档
├── LICENSE           # MIT 许可证
├── Makefile
├── README.md
├── action.yml        # GitHub Action（2026-03-10 新增：支持 skills、memory、安全加固）
├── pr-labeler-consolidation.md
└── release-please-config.json

近期重要提交（2026-03-16）：

• perf(cli): add textual-speedups for Rust-based layout primitives — 性能优化
• ci(infra): add pre-commit hooks for lockfile, extras sync, and version... — CI 基础设施

---

设计理念与优势（FAQ）

优势	说明
100% 开源	MIT 许可，完全可扩展
提供商无关	支持任何支持工具调用的 LLM（前沿模型 + 开源模型）
基于 LangGraph	生产级运行时，支持流式、持久化、检查点
开箱即用	规划、文件访问、子智能体、上下文管理即开即用
秒级启动	uv add deepagents 即可运行
分钟级定制	按需添加工具、更换模型、调整提示词

---

安全模型

“Trust the LLM” 模型

• 智能体可以执行其工具允许的任何操作
• 在工具/沙箱层面强制执行边界，而非期望模型自我约束
• 详细安全政策见 security policy

---

相关资源

类型	链接
官方文档	https://docs.langchain.com/oss/python/deepagents/overview
API 参考	https://reference.langchain.com/python/deepagents/
社区论坛	https://forum.langchain.com
JS/TS 版本	deepagents.js
开发工具	LangSmith
聊天问答	Chat LangChain

---

灵感来源

“This project was primarily inspired by Claude Code, and initially was largely an attempt to see what made Claude Code general purpose, and make it even more so.”

---

关键洞察

1. 架构定位：不是"又一个智能体框架"，而是有主见的、生产就绪的 harness（ harness = 马具/框架，意为即插即用的基础架构）

2. 与 LangGraph 的关系：create_deep_agent() 返回的是已编译的 LangGraph 图，意味着：

   • 可无缝使用 LangGraph 生态的所有工具
   • 支持可视化（Studio）、持久化、流式等高级特性

3. CLI 与 SDK 的双轨策略：

   • SDK（deepagents 包）：开发者集成
   • CLI：终端用户直接使用，功能更丰富（搜索、沙箱、记忆等）

4. 近期发展方向（从提交历史推断）：

   • 性能优化（Rust-based layout primitives）
   • 基础设施完善（pre-commit hooks、IDE 配置）
   • GitHub Action 集成（支持 CI/CD 场景的智能体）
   • MCP（Model Context Protocol）生态整合