彻底搞懂Deep Agents全新升级：手把手玩转Agent Harness，收藏这篇就够了！

一款依托 LangChain 和 LangGraph 的 Agent harness。内置规划、文件系统及子代理生成功能专为应对复杂的 Agent 任务而设计。Deep Agents 是一个开箱即用的 Agent 框架用于构建能够规划、对复杂任务进行推理、与文件交互、执行 shell 命令以及将工作委派给专用子 Agent 的 AI Agent——所有这些功能均无需额外配置。你无需自行拼接提示词、工具和上下文管理机制即可立即获得一个可运行的 Agent并根据需要进行定制。unsetunsetDeep Agents 解决了什么问题unsetunsetAI Agent 最简单的形式是 LLM 在循环中调用工具。然而这种架构产生的 Agent 往往比较“肤浅”——它们在处理时间跨度更长、更复杂的任务时显得力不从心。诸如 Claude Code、Deep Research 和 Manus 等应用通过结合四个关键要素克服了这一限制规划工具、子 Agent、对文件系统的访问权限以及详细的系统提示词。Deep Agents 将这些模式封装为一个可复用的 Python SDK使你能够为自己的应用程序而不仅仅是交互式终端创建具备深度能力的 Agent。其核心理念在于深度源于架构而不仅仅取决于模型能力。一个结构良好且配备了恰当中间件、工具抽象和上下文管理机制的 Agent 框架能够将一个能力出众的 LLM 转化为一个可靠的自主系统。unsetunset宏观架构unsetunsetDeep Agents 组织为一个 Python 单仓monorepo包含多个独立版本控制的包。处于核心位置的是核心 SDKdeepagents它提供了create_deep_agent()工厂函数、中间件系统以及可插拔的后端抽象层。环绕其周边的是用于 CLI、编辑器集成、评估以及沙盒合作伙伴的配套包。unsetunset开箱即用的功能unsetunsetDeep Agents 随附了六大类内置能力每一类均以可组合的中间件或后端组件的形式实现能力提供的工具中间件 / 后端规划用于任务分解与进度跟踪的write_todosTodoListMiddleware文件系统read_file、write_file、edit_file、ls、glob、grepFilesystemMiddlewareBackendProtocolShell 访问用于运行命令沙盒化的executeSandboxBackendProtocol子 Agent用于在隔离上下文中委派任务的taskSubAgentMiddleware上下文管理当对话变长时进行自动摘要SummarizationMiddleware记忆与技能通过AGENTS.md实现持久化记忆自定义斜杠命令MemoryMiddleware、SkillsMiddleware系统会自动包含一个名为general-purpose的通用子 Agent无需任何配置即可提供内置的任务委派能力。unsetunsetSDK 与 CLI使用 Deep Agents 的两种方式unsetunsetDeep Agents 提供了两种主要接口分别适用于不同的使用场景特性Python SDKCLI最适用于构建由 Agent 驱动的自定义应用程序交互式终端工作流安装方式pip install deepagentscurl -LsSf …自定义对工具、中间件和后端进行完全的编程控制配置文件与 CLI 标志接口返回CompiledStateGraph的 Python API具有流式响应的交互式 TUI沙盒通过backend参数使用任意后端内置对 LangSmith、Daytona、Modal、Runloop 等的支持无头模式原生支持——直接调用图即可通过--headless标志支持网页搜索添加你自己的工具内置恢复对话通过检查点器checkpointers实现内置会话管理CLI 封装了 SDK并增添了交互式终端体验、网页搜索、对话持久化以及远程沙盒支持。unsetunset快速开始unsetunset只需两行代码即可通过 SDK 快速上手pip install deepagents plaintext from deepagents import create_deep_agent agent create_deep_agent()result agent.invoke({messages: [{role: user, content: Research LangGraph and write a summary}]})该 Agent 能够进行规划、读写文件、执行 shell 命令并管理自身的上下文——无需任何额外配置。unsetunset核心设计原则unsetunset原生 LangGraph 支持。create_deep_agent()返回一个已编译的CompiledStateGraph这意味着你可以直接使用所有 LangGraph 特性——流式传输、检查点、人机协同中断以及 LangGraph Studio——而无需任何适配层。与提供商无关。Deep Agents 可与任何支持工具调用的 LLM 协同工作。默认模型为 Claude Sonnet 4.6但你可以使用provider:model格式例如openai:gpt-4o切换至任意提供商。resolve_model()工具函数会处理特定于提供商的初始化工作。信任 LLM沙盒化工具。该项目遵循一种安全模型即 Agent 可以执行其工具所允许的任何操作——边界是在工具和沙盒层级强制执行的而不是期望模型进行自我约束。SandboxBackendProtocol通过合作伙伴集成提供隔离的 shell 执行环境。中间件优于普通工具。中间件系统会在每次 LLM 请求发送前对其进行拦截从而实现动态工具过滤、系统提示词注入、消息转换以及跨轮次状态管理——这些是tools[]列表中的普通工具函数所无法提供的功能。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】