主题
mermaid
graph LR
Create[create_deep_agent] --> Core[核心配置]
Create --> Features[功能特性]
Core --> Model[模型]
Core --> Prompt[系统提示词]
Core --> Tools[工具]
Features --> Backend[后端]
Features --> Sub[子代理]
Features --> Interrupt[中断]
Model --> Agent[定制化代理]
Prompt --> Agent
Tools --> Agent
Backend --> Agent
Sub --> Agent
Interrupt --> Agent模型
默认情况下,deepagents 使用 claude-sonnet-4-5-20250929。你可以通过传递任何受支持的 模型标识符字符串 或 LangChain 模型对象 来自定义所使用的模型。
python
from langchain.chat_models import init_chat_model
from deepagents import create_deep_agent
model = init_chat_model(model="gpt-5")
agent = create_deep_agent(model=model)python
from langchain_ollama import ChatOllama
from langchain.chat_models import init_chat_model
from deepagents import create_deep_agent
model = init_chat_model(
model=ChatOllama(
model="llama3.1",
temperature=0,
# 其他参数...
)
)
agent = create_deep_agent(model=model)系统提示词
深度代理内置了一个受 Claude Code 系统提示词启发的系统提示词。默认的系统提示词包含了关于如何使用内置规划工具、文件系统工具和子代理的详细说明。
为特定用例定制的每个深度代理都应包含针对该用例的自定义系统提示词。
python
from deepagents import create_deep_agent
research_instructions = """\
你是一位专家研究员。你的工作是进行 \
深入研究,然后撰写一份完善的报告。 \
"""
agent = create_deep_agent(
system_prompt=research_instructions,
)工具
与工具调用代理类似,深度代理也拥有一组可以访问的顶层工具。
python
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,
)
agent = create_deep_agent(
tools=[internet_search]
)除了你提供的任何工具外,深度代理还可以访问许多默认工具:
write_todos– 更新代理的待办事项列表ls– 列出代理文件系统中的所有文件read_file– 从代理的文件系统中读取文件write_file– 在代理的文件系统中写入新文件edit_file– 编辑代理文件系统中的现有文件task– 生成一个子代理来处理特定任务