快速入门
本指南将引导您创建第一个具有规划、文件系统工具和子Agent功能的深度Agent。您将构建一个可以进行研究并撰写报告的研究Agent。
先决条件
在开始之前，请确保您拥有模型提供商（例如 Anthropic、OpenAI）的 API 密钥。
第 1 步：安装依赖项
pip install deepagents tavily-python第 2 步：设置您的 API 密钥
export ANTHROPIC_API_KEY="your-api-key"
export TAVILY_API_KEY="your-tavily-api-key"第 3 步：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,
)第 4 步：创建深度Agent
# 系统提示，引导Agent成为专家级研究员
research_instructions = """您是一位专家级研究员。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方式。
## `internet_search`
使用此工具对给定查询进行互联网搜索。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
)第 5 步：运行Agent
result = agent.invoke({"messages": [{"role": "user", "content": "什么是 langgraph？"}]})
# 打印Agent的响应
print(result["messages"][-1].content)发生了什么？
您的深度Agent会自动：
- 规划其方法：使用内置的
write_todos工具来分解研究任务 - 进行研究：调用
internet_search工具来收集信息 - 管理上下文：使用文件系统工具（
write_file、read_file）来卸载大型搜索结果 - 派生子Agent（如果需要）：将复杂的子任务委托给专门的子Agent
- 综合报告：将调查结果汇编成连贯的响应
下一步
现在您已经构建了第一个深度Agent：