mcpField
D
deepagents-python-quickstart

deepagents-python-quickstart

github.com/langchain-aiAgent 工作流1.3k5.2k 次安装3 天前更新
代码仓库

关于 deepagents-python-quickstart

此技能按官方 Deep Agents Python 快速入门构建研究 Agent，适合希望运行研究问题示例的开发者。它使用所选提供方内置的网页搜索，并在独立目录中完成配置与运行。

主要功能

  1. 01遵循官方快速入门文档
  2. 02使用 create_deep_agent 构建研究 Agent
  3. 03选择模型提供方及内置网页搜索
  4. 04在独立目录中安装依赖
  5. 05运行研究示例并展示输出

适用场景

  1. 01创建研究型 Python Agent
  2. 02使用提供方内置网页搜索
  3. 03运行研究问题并检查结果

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/langchain-ai/langchain-skills --skill deepagents-python-quickstart

安装后在 Claude Code 中输入/deepagents-python-quickstart确认已加载。

详细介绍

Deep Agents Python 快速入门

请遵循实时文档，不要凭记忆编造其他 API：

https://docs.langchain.com/oss/python/deepagents/quickstart

获取该页面（使用 Docs MCP 或 HTTP），并实现其中展示的研究 Agent 结构（create_deep_agent、研究系统提示词，以及使用类似“什么是 LangGraph？”的研究问题调用）。

本地设置约束

在快速入门的基础上应用以下约束（以保持设置精简且与模型无关）：

  1. 询问要使用哪个提供商和模型。展示 Deep Agents 与模型无关。建议提问：

    这个 Agent 应使用哪个模型？请传入 provider:model 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页搜索（无需单独的搜索 API 密钥）。

  2. 新建一个目录（例如 deep-agent/），所有操作都在其中进行，不要污染打开的项目。

  3. 不要使用 Tavily（或其他第二个搜索服务商）。将快速入门中的 internet_search / Tavily 工具替换为所选提供商内置的网页搜索。请查阅该提供商的 LangChain 聊天文档，确认当前工具格式（以下为撰写本文时的示例；如有需要，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": {}}

    优先选择 Anthropic / OpenAI / Google，以使用提供商的搜索功能。唯一需要的密钥：在 .env 文件中存放该提供商的 API 密钥（已加入 gitignore）。除非用户提出要求，否则跳过 LangSmith 跟踪。

  4. 安装 deepagents（以及 python-dotenv）和对应模型的提供商软件包，不要安装 tavily-python。

  5. 运行研究示例，展示输出，然后停止。后续步骤可参考 deep-agents-core / 定制 / Managed Deep Agents。

评论

支持 Markdown