Deep Agents Python 快速入门
遵循实时官方文档 — 切勿凭记忆捏造替代 API:
https://docs.langchain.com/oss/python/deepagents/quickstart
获取该页面内容(通过 Docs MCP 或 HTTP)并实现其展示的研究型智能体(research-agent)结构(create_deep_agent、研究系统提示词、使用诸如“What is LangGraph?”之类的研究问题进行调用)。
本地配置约束
在快速入门指南的基础上应用以下约束(以保持配置的极简和模型无关性):
询问用户要使用的模型提供商/模型。展示 Deep Agents 的模型无关特性。建议提示语:
该智能体应使用哪个模型?请传入
provider:model格式的字符串 — 例如openai:gpt-5.5、anthropic:claude-sonnet-5、google_genai:gemini-3.5-flash。如果不确定,默认使用:anthropic:claude-sonnet-5。
我们将使用该提供商内置的网络搜索(无需单独的搜索 API 密钥)。创建一个新目录(例如
deep-agent/)并在其中完成所有工作 — 不要污染当前打开的项目。不要使用 Tavily(或任何第三方搜索服务商)。使用所选提供商内置的网络搜索替代快速入门中的
internet_search/ Tavily 工具。查阅该提供商的 LangChain chat 文档以获取最新的工具格式(编写时的示例如下 — 必要时请重新核对):提供商 内置搜索工具 Anthropic {"type": "web_search_20260209", "name": "web_search", "max_uses": 5}OpenAI {"type": "web_search"}Google {"google_search": {}}优先推荐 Anthropic / OpenAI / Google,以确保提供商原生搜索可用。唯一需要的密钥:在
.env(已添加到 gitignore)中配置该提供商的 API 密钥。除非用户要求,否则跳过 LangSmith 链路追踪配置。安装
deepagents(+python-dotenv)以及对应模型的提供商依赖包 — 而不是tavily-python。运行研究示例,展示输出结果,然后停止。后续步骤引导用户参考
deep-agents-core/ 自定义配置 / 托管式 Deep Agents。