本指南将引导您创建第一个具有规划、文件系统工具和子智能体功能的深度智能体。您将构建一个可以进行研究并撰写报告的研究智能体。

​
前提条件

在开始之前，请确保您拥有模型提供商（例如 Anthropic、OpenAI）的 API 密钥。

​
步骤 1：安装依赖项

pip install deepagents tavily-python

​
步骤 2：设置您的 API 密钥

export ANTHROPIC_API_KEY="your-api-key"
export TAVILY_API_KEY="your-tavily-api-key"

​
步骤 3：创建搜索工具

import os
from typing import Literal
from tavily import TavilyClient
from deepagents import create_deep_agent

tavily_client = TavilyClient(api_key=os.environ["TAVILY_API_KEY"])

def internet_search(
    query: str,
    max_results: int = 5,
    topic: Literal["general", "news", "finance"] = "general",
    include_raw_content: bool = False,
):
    """运行网络搜索"""
    return tavily_client.search(
        query,
        max_results=max_results,
        include_raw_content=include_raw_content,
        topic=topic,
    )

​
步骤 4：创建深度智能体

# 系统提示，引导智能体成为专家研究员
research_instructions = """您是一位专家研究员。您的工作是进行彻底的研究，然后撰写一份精美的报告。

您可以访问互联网搜索工具作为收集信息的主要手段。

## `internet_search`

使用此工具为给定查询运行互联网搜索。您可以指定要返回的最大结果数、主题以及是否应包含原始内容。
"""

agent = create_deep_agent(
    tools=[internet_search],
    system_prompt=research_instructions
)

​
步骤 5：运行智能体

result = agent.invoke({"messages": [{"role": "user", "content": "What is langgraph?"}]})

# 打印智能体的响应
print(result["messages"][-1].content)

​
发生了什么？

您的深度智能体自动执行了以下操作：
  1. 规划方法：使用内置的 write_todos 工具分解研究任务
  2. 进行研究：调用 internet_search 工具收集信息
  3. 管理上下文：使用文件系统工具（write_file、read_file）卸载大型搜索结果
  4. 生成子智能体（如果需要）：将复杂的子任务委托给专门的子智能体
  5. 综合报告：将发现汇编成连贯的响应

​
后续步骤

现在您已经构建了第一个深度智能体：
  • 自定义您的智能体：了解自定义选项，包括自定义系统提示、工具和子智能体。
  • 理解中间件：深入了解支持深度智能体的中间件架构。
  • 添加长期记忆：启用跨对话的持久化记忆。
  • 部署到生产环境：了解 LangGraph 应用程序的部署选项。
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.