Deepagents部署指南：从开发到生产环境的完整流程

【免费下载链接】deepagents Deepagents is an agent harness built on langchain and langgraph. Deep agents are equipped with a planning tool, a filesystem backend, and the ability to spawn subagents - making them well-equipped to handle complex agentic tasks. 项目地址: https://gitcode.com/GitHub_Trending/de/deepagents

Deepagents是基于LangChain和LangGraph构建的智能代理框架，具备规划工具、文件系统后端和子代理生成能力，能够高效处理复杂的代理任务。本指南将带你完成从环境准备到生产部署的全流程，让你快速上手这款强大的AI代理工具。

1. 环境准备：快速搭建开发环境

在开始部署Deepagents之前，需要确保你的系统满足以下基本要求：

• Python 3.13或更高版本
• 支持的包管理器（uv或pip）
• 网络连接（用于下载依赖和模型）

1.1 安装uv包管理器

Deepagents推荐使用uv作为包管理器，它比传统pip更快且更高效：

curl -LsSf https://astral.sh/uv/install.sh | sh

1.2 克隆项目仓库

使用以下命令获取Deepagents源代码：

git clone https://gitcode.com/GitHub_Trending/de/deepagents
cd deepagents

Deepagents CLI提供直观的终端交互界面，支持代码生成和工具调用

2. 安装Deepagents：多种方式任你选

2.1 使用安装脚本（推荐）

项目提供了便捷的一键安装脚本，适用于大多数用户：

# 基础安装
curl -LsSf https://raw.githubusercontent.com/langchain-ai/deepagents/main/libs/cli/scripts/install.sh | bash

# 如需安装特定模型支持（如Anthropic、Groq）
DEEPAGENTS_EXTRAS="anthropic,groq" curl -LsSf https://raw.githubusercontent.com/langchain-ai/deepagents/main/libs/cli/scripts/install.sh | bash

2.2 使用uv直接安装

如果你已熟悉uv，可以直接通过uv安装：

uv tool install 'deepagents-cli[anthropic,groq]'

安装完成后，通过以下命令验证安装是否成功：

deepagents --version

3. 配置环境变量：连接你的AI能力

Deepagents需要一些必要的API密钥才能正常工作，创建.env文件并添加以下内容：

# 必要环境变量
export ANTHROPIC_API_KEY=your_anthropic_api_key_here  # Claude模型所需
export TAVILY_API_KEY=your_tavily_api_key_here        # 网络搜索所需
export LANGSMITH_API_KEY=your_langsmith_api_key_here  # 追踪和调试所需

# 可选环境变量
export GOOGLE_API_KEY=your_google_api_key_here        # Gemini模型所需

将上述命令中的your_*_api_key_here替换为你的实际API密钥。这些密钥可以从相应的服务提供商处获取。

4. 运行示例项目：快速体验Deepagents能力

Deepagents提供了多个示例项目，帮助你快速了解其功能。以深度研究代理为例：

# 进入示例目录
cd examples/deep_research

# 安装依赖
uv sync

# 运行Jupyter笔记本
uv run jupyter notebook research_agent.ipynb

Deepagents提供多种示例项目，涵盖研究、内容生成、SQL转换等场景

4.1 使用LangGraph服务器

除了笔记本方式，你还可以通过LangGraph服务器运行示例：

# 在示例目录中执行
langgraph dev

这将启动一个本地服务器，并在浏览器中打开Studio界面，你可以直接在网页中与代理交互。

5. 生产环境部署：从开发到生产的平滑过渡

5.1 构建生产环境依赖

为生产环境创建精简的依赖配置：

# 在项目根目录执行
uv export > requirements.txt

5.2 配置系统服务

在生产服务器上，建议使用systemd管理Deepagents服务。创建服务文件：

sudo nano /etc/systemd/system/deepagents.service

添加以下内容：

[Unit]
Description=Deepagents Service
After=network.target

[Service]
User=your_user
WorkingDirectory=/path/to/deepagents
EnvironmentFile=/path/to/deepagents/.env
ExecStart=/home/your_user/.local/bin/deepagents --headless
Restart=on-failure

[Install]
WantedBy=multi-user.target

启动并设置开机自启：

sudo systemctl daemon-reload
sudo systemctl start deepagents
sudo systemctl enable deepagents

5.3 监控与日志

查看服务状态和日志：

# 查看状态
sudo systemctl status deepagents

# 查看日志
journalctl -u deepagents -f

6. 高级配置：定制你的Deepagents

6.1 自定义模型

Deepagents默认使用Claude模型，你可以轻松切换到其他支持的模型：

from langchain_google_genai import ChatGoogleGenerativeAI
from deepagents import create_deep_agent

# 使用Gemini模型
model = ChatGoogleGenerativeAI(model="gemini-3-pro-preview")
agent = create_deep_agent(model=model)

6.2 添加自定义工具

你可以通过修改research_agent/tools.py文件添加自定义工具，扩展Deepagents的能力：

# 示例：添加自定义工具
from langchain.tools import Tool

def custom_tool(query: str) -> str:
    """自定义工具的描述"""
    return f"处理查询: {query}"

tools = [
    Tool(
        name="CustomTool",
        func=custom_tool,
        description="这是一个自定义工具，用于演示如何扩展Deepagents能力"
    )
]

Deepagents ACP提供直观的代码编辑和代理交互界面

7. 故障排除：常见问题解决

7.1 依赖冲突

如果遇到依赖问题，尝试清理并重新安装：

uv clean
uv sync

7.2 API连接问题

确保所有环境变量正确设置，并且API密钥有效。可以通过以下命令检查：

echo $ANTHROPIC_API_KEY
echo $TAVILY_API_KEY

7.3 性能优化

对于生产环境，可以调整以下参数提升性能：

• 减少并发子代理数量
• 优化模型温度参数（temperature）
• 使用缓存减少重复计算

8. 总结与资源

通过本指南，你已掌握Deepagents从开发环境搭建到生产部署的完整流程。Deepagents的强大之处在于其灵活性和可扩展性，你可以根据具体需求定制代理行为和工具集。

有用的资源

• 示例项目：examples/
• CLI源代码：libs/cli/
• 核心框架：libs/deepagents/

现在，你已准备好利用Deepagents构建自己的智能代理系统，探索AI驱动的自动化任务处理的无限可能！

【免费下载链接】deepagents Deepagents is an agent harness built on langchain and langgraph. Deep agents are equipped with a planning tool, a filesystem backend, and the ability to spawn subagents - making them well-equipped to handle complex agentic tasks. 项目地址: https://gitcode.com/GitHub_Trending/de/deepagents