Skip to main content
Deep Agents CLI 是一个开源的终端编码代理，构建于 Deep Agents SDK 之上。 它具备持久记忆、跨会话上下文维护、学习项目约定、使用可定制技能以及带审批控制执行代码的能力。 Deep Agents CLI Deep Agents CLI 具有以下内置功能：
  • 文件操作 - 使用工具读取、写入和编辑文件，使代理能够管理和修改代码与文档。
  • Shell 执行 - 执行命令以运行测试、构建项目、管理依赖项并与版本控制系统交互。
  • 网络搜索 - 搜索网络以获取最新信息和文档（需要 Tavily API 密钥）。
  • HTTP 请求 - 向 API 和外部服务发起 HTTP 请求，用于数据获取和集成任务。
  • 任务规划与跟踪 - 将复杂任务分解为离散步骤并跟踪进度。
  • 记忆存储与检索 - 跨会话存储和检索信息，使代理能够记住项目约定和学习到的模式。
  • 上下文压缩与卸载 - 总结较旧的对话消息，并将原始消息卸载到存储中，在长时间会话中释放上下文窗口空间。
  • Human in the Loop - 要求对敏感工具操作进行人工批准。
  • 技能 - 使用自定义专业知识和指令扩展代理能力。
  • MCP 工具 - 从 Model Context Protocol 服务器加载外部工具。
  • 追踪 - 在 LangSmith 中追踪代理操作，用于可观测性和调试。

​
内置工具

代理附带以下内置工具，无需配置即可使用：
工具描述Human in the Loop
ls列出文件和目录-
read_file读取文件内容；部分模型支持多模态内容-
write_file创建或覆盖文件需要1
edit_file对现有文件进行定向编辑需要1
glob查找匹配模式的文件-
grep在文件中搜索文本模式-
execute在本地或远程沙箱中执行 shell 命令需要1
web_search使用 Tavily 搜索网络需要1
fetch_url获取网页并转换为 markdown需要1
task将工作委派给子代理以并行执行需要1
ask_user向用户提出自由形式或多项选择题-
compact_conversation总结较旧的消息，将原始消息卸载到后端存储，并在上下文中用摘要替换它们混合2
write_todos为复杂工作创建和管理任务列表-
1：潜在的破坏性操作在执行前需要用户批准。要绕过人工批准，您可以切换自动批准（shift+tab）或使用以下选项启动：
deepagents -y
# 或
deepagents --auto-approve
当以非交互方式运行 CLI（通过 -n 或管道输入）时，即使使用 -y/--auto-approve，shell 执行默认也是禁用的。使用 -S/--shell-allow-list 来允许特定命令（例如 -S "pytest,git,make"），recommended 用于安全的默认值，或 all 以允许任何命令。也支持 DEEPAGENTS_CLI_SHELL_ALLOW_LIST 环境变量。有关更多详细信息，请参阅非交互模式和管道。
2：当令牌使用量超过模型感知阈值时，CLI 会在后台自动卸载对话。卸载通过 LLM 总结较旧的消息，并将原始消息弹出到存储（/conversation_history/{thread_id}.md），并在上下文中用摘要替换它们。如果需要，代理仍然可以从卸载的文件中检索完整历史记录。compact_conversation 工具允许代理（或您）按需触发卸载。作为工具调用时，默认需要用户批准。
观看演示视频 以了解 Deep Agents CLI 的工作原理。
Deep Agents CLI 在 Windows 上未得到官方支持。Windows 用户可以尝试在 Windows Subsystem for Linux (WSL) 下运行它。

​
快速开始

设置模型凭据

将您的提供商 API 密钥导出为环境变量，或将其添加到 ~/.deepagents/.env：
export OPENAI_API_KEY="your-api-key"
为避免在每个终端会话中设置密钥，请将它们添加到 ~/.deepagents/.env。请参阅环境变量。
CLI 适用于任何支持工具调用的 LLM。OpenAI、Anthropic 和 Google 默认已安装。对于其他提供商（Ollama、Groq、xAI 等），请参阅提供商。

安装并运行

OpenAI、Anthropic 和 Google 默认已安装。其他提供商（Ollama、Groq、xAI 等）作为可选附加组件提供——有关详细信息，请参阅提供商。
curl -LsSf https://langch.in/gh-da-cli | bash

deepagents

给代理一个任务

创建一个打印 "Hello, World!" 的 Python 脚本
代理会提出带有差异的更改供您批准，然后再修改文件。

启用追踪（可选）

要在 LangSmith 中查看代理操作、工具调用和决策，请将以下内容添加到 ~/.deepagents/.env 或在 shell 中导出变量：
~/.deepagents/.env
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_PROJECT=optional-project-name  # 指定项目名称或默认为 "deepagents-cli"
有关设置详细信息和用法，请参阅使用 LangSmith 追踪。

​
提供商

OpenAI、Anthropic 和 Google 开箱即用。其他提供商单独安装，因此您只需引入所需内容。 
# 向现有安装添加额外提供商
uv tool install deepagents-cli --with langchain-xai
有关支持的提供商完整列表，请参阅模型提供商。

​
交互模式

像在聊天界面中一样自然地输入。 代理将使用其内置工具、技能和记忆来帮助您完成任务。
在 CLI 会话中使用这些命令：
  • /model - 切换模型或打开交互式模型选择器。有关详细信息，请参阅切换模型
  • /agents - 在预配置的代理之间热交换，无需重新启动。有关详细信息，请参阅切换代理
  • /remember [context] - 审查对话并更新记忆和技能。可选地传递额外上下文
  • /skill:<name> [args] - 按名称直接调用技能。技能的 SKILL.md 指令会与您提供的任何参数一起注入到提示中
  • /skill-creator [args] - 创建有效代理技能的指南
  • /offload（别名 /compact）- 通过将消息卸载到存储并带有摘要占位符来释放上下文窗口空间。如果需要，代理可以从卸载的文件中检索完整历史记录
  • /tokens - 显示当前上下文窗口令牌使用情况细分
  • /clear - 清除对话历史并开始新线程
  • /threads - 浏览并恢复之前的对话线程
  • /mcp - 显示活动的 MCP 服务器和工具
  • /reload - 重新读取 .env 文件，刷新配置，并重新发现技能，无需重启。对话状态得以保留。有关覆盖行为，请参阅 DEEPAGENTS_CLI_ 前缀
  • /theme - 打开交互式主题选择器以切换颜色主题。内置主题可用，以及任何用户定义主题
  • /update - 检查并内联安装 CLI 更新。检测您的安装方法（uv、Homebrew、pip）并运行相应的升级命令
  • /auto-update - 切换自动更新开或关
  • /trace - 在 LangSmith 中打开当前线程（需要 LANGSMITH_API_KEY）
  • /editor - 在外部编辑器（$VISUAL / $EDITOR）中打开当前提示。请参阅外部编辑器
  • /changelog - 在浏览器中打开 CLI 变更日志
  • /docs - 在浏览器中打开文档
  • /feedback - 打开 GitHub issues 页面以提交错误报告或功能请求
  • /version - 显示已安装的 deepagents-cli 和 SDK 版本
  • /help - 显示帮助和可用命令
  • /quit - 退出 CLI
输入 ! 进入 shell 模式，然后输入您的命令。
git status
npm test
ls -la
常规
快捷键操作
Enter提交提示
Shift+Enter、Ctrl+J、Alt+Enter 或 Ctrl+Enter插入换行符
Ctrl+A选择输入中的所有文本
@filename自动完成文件并注入内容
Shift+Tab 或 Ctrl+T切换自动批准
Ctrl+U删除到行首
Ctrl+X在外部编辑器中打开提示
Ctrl+O展开/折叠最近的工具输出
Escape中断当前操作
Ctrl+C中断或退出
Ctrl+D退出

​
非交互模式和管道

使用 -n 运行单个任务而不启动交互式 UI： 
deepagents -n "编写一个打印 hello world 的 Python 脚本"
您也可以通过 stdin 管道输入。当输入被管道传输时，CLI 自动以非交互方式运行： 
echo "解释这段代码" | deepagents
cat error.log | deepagents -n "是什么导致了这个错误？"
git diff | deepagents -n "审查这些更改"
git diff | deepagents --skill code-review -n '总结更改'
当您将管道输入与 -n 或 -m 结合使用时，管道内容首先出现，然后是您传递给标志的文本。
最大管道输入大小为 10 MiB。
在非交互模式下，shell 执行默认是禁用的。使用 -S/--shell-allow-list 启用特定命令（例如 -S "pytest,git,make"），recommended 用于安全的默认值，或 all 以允许任何命令。
CI/CD 管道中长时间运行或行为异常的代理可能会无限循环。--max-turns N 为操作员提供了一个硬性上限，而无需触及 SDK 内部：
deepagents -n "修复失败的测试" --max-turns 10
N 必须是正整数，并覆盖内部安全默认值，否则该默认值会限制失控循环。当超出预算时，以代码 124 退出（与 GNU timeout 匹配），因此 CI 可以区分预算命中和一般故障。需要 -n 或管道 stdin；否则以代码 2 退出。
使用 -q 获得适合管道传输到其他命令的干净输出，使用 --no-stream 在写入 stdout 之前缓冲完整响应（而不是流式传输）：
deepagents -n "为 Python 生成 .gitignore" -q > .gitignore
deepagents -n "列出依赖项" -q --no-stream | sort
在非交互模式下，代理被指示做出合理的假设并自主进行，而不是提出澄清问题。它还倾向于使用非交互式命令变体（例如 npm init -y、apt-get install -y）。
# 允许特定命令（根据列表进行验证）
deepagents -n "运行测试并修复失败" -S "pytest,git,make"

# 使用精选的安全命令列表
deepagents -n "构建项目" -S recommended

# 允许任何 shell 命令
deepagents -n "修复构建" -S all
谨慎使用。-S all（或 --shell-allow-list all）允许代理执行任意 shell 命令，无需人工确认。

​
在启动时运行命令

使用 --startup-cmd 在会话接受第一个提示之前运行一次 shell 命令。输出显示在会话顶部，这对于在输入第一个提示之前检查 git status、列出文件或验证环境设置非常方便。 
# 交互式：在第一个提示之前显示 git 状态
deepagents --startup-cmd "git status"

# 与初始提示结合使用——命令先运行，然后提交提示
deepagents --startup-cmd "ls -la" -m "总结此目录中的内容"

# 非交互式：在任务运行之前查看环境状态
deepagents --startup-cmd "git diff --stat" -n "审查这些更改"
该命令在任何 -m 提示或 --skill 调用分派之前运行，并尊重您的 shell 环境。非零退出和超时会发出警告，但不会中止会话。在非交互模式下，命令有 60 秒超时。
输出不会注入到代理的消息历史中——LLM 看不到它。要将命令输出交给代理，请通过 stdin 管道传输（例如 git diff | deepagents -n "审查这些更改"）。

​
切换模型

您可以在会话期间使用 /model 命令切换模型，或在启动时使用 --model 标志，无需重新启动 CLI： 
> /model anthropic:claude-opus-4-6
> /model openai:gpt-5.5

deepagents --model openai:gpt-5.5
运行 /model 打开交互式模型选择器，该选择器按提供商分组显示可用模型。 有关切换模型、设置默认值和添加自定义模型提供商的完整详细信息，请参阅模型提供商。

​
模型参数

通过在启动时向 --model-params 传递 JSON 或在会话中向 /model --model-params 传递 JSON 来覆盖模型调用参数（例如推理努力、思考预算、最大输出令牌等）： 
deepagents --model openai:gpt-5.5 --model-params '{"reasoning": {"effort": "high"}}'

deepagents --model anthropic:claude-opus-4-7 --model-params '{"thinking": {"type": "enabled", "budget_tokens": 10000}}'

# 会话中——一步切换模型和参数
/model --model-params '{"temperature": 0.7}' anthropic:claude-opus-4-7

# 或打开选择器并将参数应用于您选择的任何模型
/model --model-params '{"num_ctx": 16384}'
CLI 标志仅限会话。--model-params 不能与 --default 结合使用。有关持久的提供商级别默认值、每个模型的覆盖以及提供商特定示例，请参阅提供商页面上的模型参数。

​
切换代理

运行 /agents 打开代理选择器，并在 ~/.deepagents/ 中的代理之间热交换，无需重新启动。切换会重置对话线程并刷新技能发现。选择会被持久化，因此下一次裸 deepagents 启动将恢复相同的代理。-a/--agent 始终覆盖；-r/--resume 恢复线程的原始代理。

​
配置

CLI 将所有配置存储在 ~/.deepagents/ 下。在该目录中，每个代理都有自己的子目录（默认：agent）：
路径用途
~/.deepagents/config.toml模型默认值、提供商设置、构造函数参数、配置文件覆盖、主题、更新设置、MCP 信任存储
~/.deepagents/.env全局 API 密钥和密钥。请参阅配置
~/.deepagents/hooks.json生命周期事件钩子（会话开始/结束、任务完成等）
~/.deepagents/<agent_name>/每个代理的记忆、技能和对话线程
.deepagents/（项目根目录）项目特定的记忆和技能，在 git 仓库内运行时加载
# 列出所有配置的代理
deepagents agents list
有关完整参考——包括 config.toml 模式、提供商参数、配置文件覆盖和钩子配置——请参阅配置。

​
记忆

自定义任何代理有两种主要方式：
  • 记忆：AGENTS.md 文件和跨会话持久化的自动保存记忆。将记忆用于通用编码风格、偏好和学习到的约定。
  • 技能：全局和项目特定的上下文、约定、指南或指令。将技能用于仅在执行特定任务时需要的上下文。
使用 /remember 明确提示代理从当前对话更新其记忆和技能。
使用 SDK 构建自定义代理？有关编程记忆后端，请参阅记忆。

​
自动记忆

当您使用代理时，它会使用记忆优先协议自动将信息存储在 ~/.deepagents/<agent_name>/memories/ 中的 markdown 文件中：
  1. 研究：在开始任务之前搜索记忆以获取相关上下文
  2. 响应：在执行过程中不确定时检查记忆
  3. 学习：自动保存新信息以供未来会话使用
代理按主题组织其记忆，并使用描述性文件名： 
~/.deepagents/backend-dev/memories/
├── api-conventions.md
├── database-schema.md
└── deployment-process.md
当您教代理约定时： 
deepagents --agent backend-dev
> 我们的 API 使用 snake_case 并包含 created_at/updated_at 时间戳
它会为未来的会话记住： 
> 创建一个 /users 端点
# 应用约定而无需提示

​
AGENTS.md 文件

AGENTS.md 文件提供持久上下文，在会话开始时始终加载：
  • 全局：~/.deepagents/<agent_name>/AGENTS.md — 每次会话加载。
  • 项目：任何 git 项目根目录中的 .deepagents/AGENTS.md — 当 CLI 从该项目内运行时加载。
这两个文件在启动时都会附加到系统提示中。
代理在回答项目特定问题或您引用过去的工作或模式时，也可能读取其记忆文件。当您提供有关其应如何行为的信息、对其工作的反馈或记住某事的指令时，代理将更新 AGENTS.md。 如果它从您的交互中识别出模式或偏好，它也会更新其记忆。要在其他记忆文件中添加更多结构化的项目知识，请将它们添加到 .deepagents/ 中并在 AGENTS.md 文件中引用它们。 您必须在 AGENTS.md 文件中引用其他文件，代理才能意识到它们。 其他文件不会在启动时读取，但代理可以在需要时引用和更新它们。
全局 AGENTS.md（~/.deepagents/agent/AGENTS.md）
  • 您的个性、风格和通用编码偏好
  • 一般语气和沟通风格
  • 通用编码偏好（格式化、类型提示等）
  • 适用于所有地方的工具使用模式
  • 不随项目变化的工作流程和方法
项目 AGENTS.md（项目根目录中的 .deepagents/AGENTS.md）
  • 项目特定的上下文和约定
  • 项目架构和设计模式
  • 特定于此代码库的编码约定
  • 测试策略和部署流程
  • 团队指南和项目结构

​
使用技能

技能是可重用的代理能力，提供专门的工作流程和领域知识。 您可以使用技能为您的深度代理提供新的能力和专业知识。 深度代理技能遵循 Agent Skills 标准。 一旦您添加了技能，您的深度代理将自动使用它们，并在您使用代理并提供额外信息时更新它们。 使用 /remember 明确提示代理从当前对话更新技能和记忆。
  1. 创建技能： 
    # 用户技能（存储在 ~/.deepagents/<agent_name>/skills/ 中）
deepagents skills create test-skill

# 项目技能（存储在 .deepagents/skills/ 中）
deepagents skills create test-skill --project
    这将生成： 
    skills/
└── test-skill
    └── SKILL.md
  2. 打开生成的 SKILL.md 并编辑文件以包含您的指令。
  3. 可选地向 test-skill 文件夹添加额外的脚本或其他资源。有关更多信息，请参阅示例。
您也可以将现有技能直接复制到代理的文件夹：
mkdir -p ~/.deepagents/<agent_name>/skills
cp -r examples/skills/web-research ~/.deepagents/<agent_name>/skills/
您可以使用 Vercel 的 Skills CLI 等工具在您的环境中安装社区 Agent Skills，并使其可供您的深度代理使用：
# 全局安装技能
npx skills add vercel-labs/agent-skills --skill web-design-guidelines -a deepagents -g -y

# 列出已安装的技能
npx skills ls -a deepagents -g
全局安装（-g）将技能符号链接到 ~/.deepagents/agent/skills/ — 默认代理的用户级技能目录。项目级安装（省略 -g）将技能放置在相对于当前目录的 .deepagents/skills/ 中，使其可供在该项目中运行的任何代理使用，无论代理名称如何。
全局安装仅针对默认 agent 目录。如果您使用自定义命名的代理，请使用项目级安装或将技能手动符号链接到 ~/.deepagents/{your-agent}/skills/。
在启动时，CLI 从 Deep Agents 和共享别名目录中发现技能：
~/.deepagents/<agent_name>/skills/
~/.agents/skills/
.deepagents/skills/
.agents/skills/
~/.claude/skills/          （实验性）
.claude/skills/            （实验性）
当存在重复的技能名称时，后优先级目录覆盖前一个（请参阅应用数据）。对于项目特定的技能，项目的根文件夹必须有一个 .git 文件夹。 当您从项目文件夹内的任何位置启动 CLI 时，CLI 将通过检查包含的 .git 文件夹来找到项目的根文件夹。对于每个技能，CLI 从 SKILL.md 文件的 frontmatter 中读取名称和描述。 当您使用 CLI 时，如果任务与技能的描述匹配，代理将读取技能文件并遵循其指令。您也可以使用 /skill:<name> [args] 直接调用技能。技能发现在启动时运行，并在 /reload 时再次运行。
使用 --skill 在启动时调用技能，而无需交互式输入斜杠命令：
# 打开 TUI 并立即运行技能
deepagents --skill code-review

# 使用 -m 向技能传递请求
deepagents --skill code-review -m '审查认证模块'

# 将内容管道传输到技能
cat diff.txt | deepagents --skill code-review

# 管道传输内容并添加请求
cat diff.txt | deepagents --skill code-review -m '关注安全性'
--skill 在非交互模式下也有效：
# 无头运行技能
deepagents --skill code-review -n '审查此补丁'

# 安静模式（仅代理输出到 stdout）
deepagents --skill code-review -n '审查此补丁' -q
--skill 与 --quiet 或 --no-stream 需要 -n（非交互模式）。
# 列出所有用户技能
deepagents skills list

# 列出项目技能
deepagents skills list --project

# 获取有关特定技能的详细信息
deepagents skills info test-skill
deepagents skills info test-skill --project

​
子代理

将自定义子代理定义为 markdown 文件，以便 CLI 代理可以将专门任务委派给它们。每个子代理位于自己的文件夹中，包含一个 AGENTS.md 文件： 
.deepagents/agents/{subagent-name}/AGENTS.md   # 项目级
~/.deepagents/{agent}/agents/{subagent-name}/AGENTS.md  # 用户级
项目子代理覆盖同名的用户子代理（请参阅优先级规则）。 frontmatter 需要 name 和 description（与 SubAgent 字典规范相同）。markdown 正文成为子代理的 system_prompt。除了基本规范外，AGENTS.md 文件还支持可选的 model frontmatter 字段，该字段为此子代理覆盖主代理的模型。使用 provider:model-name 格式（例如 anthropic:claude-opus-4-6、openai:gpt-5.5）。省略以继承主代理的模型。
其他 SubAgent 字段（tools、middleware、interrupt_on、skills）目前无法通过 AGENTS.md frontmatter 配置——以此方式定义的自定义子代理继承主代理的工具。要完全控制，请直接使用 SDK。
子代理 AGENTS.md 文件使用 YAML frontmatter，后跟 markdown 正文：
---
name: researcher
description: 在撰写内容之前研究网络主题
model: anthropic:claude-haiku-4-5-20251001
---

您是一个可以访问网络搜索的研究助理。

## 您的流程
1. 搜索相关信息
2. 清晰地总结发现
对于简单的委派任务使用更便宜、更快的模型，同时将主代理保留在更强大的模型上：
---
name: general-purpose
description: 用于研究和多步骤任务的通用代理
model: anthropic:claude-haiku-4-5-20251001
---

您是一个通用助理。高效完成任务并返回简洁的摘要。
这将覆盖内置的通用子代理，将所有委派任务路由到更便宜的模型。有关更多信息，请参阅覆盖通用子代理。

​
使用 MCP 工具

使用来自外部 MCP (Model Context Protocol) 服务器的工具扩展 CLI。在项目根目录放置一个 .mcp.json，CLI 会自动发现它。需要 OAuth 的服务器（Slack、GitHub、Linear、Notion 等）可以使用 deepagents mcp login <server> 进行一次身份验证；令牌会持久化到 ~/.deepagents/mcp-tokens/ 并自动刷新。有关配置格式、OAuth 登录、自动发现和故障排除，请参阅 MCP 工具指南。

​
使用远程沙箱

CLI 使用沙箱作为工具模式：CLI 进程（LLM 循环、记忆、工具分派）在您的机器上运行，但代理工具调用（read_file、write_file、execute 等）针对远程沙箱，而不是您的本地文件系统。要将文件放入沙箱，请使用设置脚本或提供商的文件传输 API（请参阅处理文件）。 有关沙箱架构、集成模式和安全最佳实践的更深入了解，请参阅沙箱。
LangSmith 沙箱支持默认包含在 CLI 中。AgentCore、Modal、Daytona 和 Runloop 需要安装附加组件。

安装提供商依赖项

安装 deepagents-cli 时默认包含。无需额外安装。

设置提供商凭据

export LANGSMITH_API_KEY="your-key"

使用沙箱运行 CLI

deepagents --sandbox langsmith
标志描述
--sandbox TYPE要使用的沙箱提供商：langsmith、agentcore、modal、daytona 或 runloop（默认：none）
--sandbox-id ID通过 ID 重用现有沙箱，而不是创建新的。跳过创建和清理。有关更多信息，请参阅您的沙箱文档
--sandbox-setup PATH在创建时在沙箱内运行的设置脚本路径
示例：
# 创建新的 Daytona 沙箱
deepagents --sandbox daytona

# 重用现有沙箱（跳过创建和清理）
deepagents --sandbox runloop --sandbox-id dbx_abc123

# 在沙箱创建后运行设置脚本
deepagents --sandbox modal --sandbox-setup ./setup.sh
使用 --sandbox-setup 在创建后在沙箱内运行 shell 脚本。这对于克隆仓库、安装依赖项和配置环境变量非常有用。
setup.sh
#!/bin/bash
set -e

# 使用 GitHub 令牌克隆仓库
git clone https://x-access-token:${GITHUB_TOKEN}@github.com/username/repo.git $HOME/workspace
cd $HOME/workspace

# 使环境变量持久化
cat >> ~/.bashrc <<'EOF'
export GITHUB_TOKEN="${GITHUB_TOKEN}"
export OPENAI_API_KEY="${OPENAI_API_KEY}"
cd $HOME/workspace
EOF
source ~/.bashrc
CLI 使用您的本地环境变量扩展设置脚本中的 ${VAR} 引用。将密钥存储在本地 .env 文件中以供设置脚本访问。
沙箱隔离代码执行，但代理仍然容易受到不可信输入的提示注入攻击。仅使用Human in the Loop批准、短期密钥和受信任的设置脚本。有关详细信息，请参阅安全注意事项。

​
使用 LangSmith 追踪

启用 LangSmith 追踪以在 LangSmith 项目中查看代理操作、工具调用和决策。 将您的追踪密钥添加到 ~/.deepagents/.env，以便在每个会话中启用追踪，而无需每次 shell 导出：
~/.deepagents/.env
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_PROJECT=optional-project-name  # 指定项目名称或默认为 "deepagents-cli"
要为特定项目覆盖，请将相同的密钥添加到项目目录中的 .env。有关完整的加载顺序，请参阅环境变量。 如果您愿意，也可以将这些设置为 shell 环境变量。Shell 导出始终优先于 .env 值，因此这是临时覆盖或测试的好选择： 
export LANGSMITH_TRACING=false
当从 LangChain 应用程序以编程方式调用 CLI 时（例如，在非交互模式中作为子进程），您的应用程序和 CLI 都会产生 LangSmith 追踪。默认情况下，这些都落在同一个项目中。要将 CLI 追踪发送到专用项目，请设置 DEEPAGENTS_CLI_LANGSMITH_PROJECT：
~/.deepagents/.env
DEEPAGENTS_CLI_LANGSMITH_PROJECT=my-deep-agent-execution
然后为父应用程序的追踪配置 LANGSMITH_PROJECT：
~/.deepagents/.env
LANGSMITH_PROJECT=my-app-traces
这使您的应用程序级可观测性保持干净，同时仍在单独的项目中捕获代理的内部执行。您也可以使用 DEEPAGENTS_CLI_ 前缀（例如 DEEPAGENTS_CLI_LANGSMITH_API_KEY）将 LangSmith 凭据限定到 CLI。
配置后，CLI 会显示一个状态行，其中包含指向 LangSmith 项目的链接。在支持的终端中，单击链接可直接打开它。您也可以使用 /trace 打印 URL 并在浏览器中打开它。 
✓ LangSmith 追踪：'my-project'

​
命令参考

# 使用特定代理配置
deepagents --agent mybot

# 使用特定模型（provider:model 格式或自动检测）
deepagents --model anthropic:claude-opus-4-7
deepagents --model gpt-5.5

# 自动批准工具使用（跳过Human in the Loop提示）
deepagents -y
选项描述
-a, --agent NAME使用具有独立记忆的命名代理。覆盖 config.toml 中的 [agents].recent。默认：agent（或如果设置了 [agents].recent，则为最近使用的代理）
-M, --model MODEL使用特定模型（provider:model）
--model-params JSON作为 JSON 字符串传递给模型的额外 kwargs（例如 '{"temperature": 0.7}'）
--default-model [MODEL]设置默认模型
--clear-default-model清除默认模型
-r, --resume [ID]恢复会话：-r 用于最近的，-r <ID> 用于特定线程
-m, --message TEXT会话启动时自动提交的初始提示（交互模式）
--skill NAME在启动时调用技能
--startup-cmd CMD在第一个提示之前在启动时运行的 shell 命令。输出呈现在记录中供您参考，但不会添加到代理的消息历史中。非零退出和超时会警告但不会中止；非交互模式应用 60 秒超时。请参阅在启动时运行命令
-n, --non-interactive TEXT以非交互方式运行单个任务并退出。除非设置了 --shell-allow-list，否则 shell 被禁用
--max-turns N在非交互模式下限制代理轮次。超出时以代码 124 退出。需要 -n 或管道 stdin。请参阅使用 --max-turns 限制轮次
-q, --quiet用于管道传输的干净输出——只有代理的响应进入 stdout。需要 -n 或管道 stdin
--no-stream缓冲完整响应并一次性写入 stdout，而不是流式传输。需要 -n 或管道 stdin
--stdin显式从 stdin 读取输入，而不是自动检测。当 stdin 不可用或为 TTY 时会清晰地报错
-y, --auto-approve自动批准所有工具调用，无需提示（禁用Human in the Loop）。在交互会话期间使用 Shift+Tab 切换
-S, --shell-allow-list LIST以逗号分隔的要自动批准的 shell 命令，'recommended' 用于安全的默认值，或 'all' 以允许任何命令。适用于 -n 和交互模式
--json从管理子命令（agents、threads、skills、update）发出机器可读的 JSON。输出信封：{"schema_version": 1, "command": "...", "data": ...}
--sandbox TYPE用于代码执行的远程沙箱：none（默认）、langsmith、agentcore、modal、daytona、runloop。LangSmith 已包含；AgentCore/Modal/Daytona/Runloop 需要附加组件
--sandbox-id ID重用现有沙箱（跳过创建和清理）
--sandbox-setup PATH在创建后在沙箱中运行的设置脚本路径
--mcp-config PATH添加显式 MCP 配置作为最高优先级源（与自动发现的配置合并）
--no-mcp禁用所有 MCP 工具加载
--trust-project-mcp信任具有 stdio 服务器的项目级 MCP 配置（跳过批准提示）
--profile-override JSON作为 JSON 字符串覆盖模型配置文件字段（例如 '{"max_input_tokens": 4096}'）。在配置文件配置文件覆盖之上合并
--acp作为 ACP 服务器通过 stdio 运行，而不是启动交互式 UI
-v, --version显示版本
-h, --help显示帮助
命令描述
deepagents help显示帮助
deepagents agents list列出所有代理（别名：ls）
deepagents agents reset --agent NAME清除代理记忆并重置为默认值。支持 --dry-run
deepagents agents reset --agent NAME --target SOURCE从另一个代理复制记忆
deepagents update检查并安装 CLI 更新
deepagents skills list [--project]列出所有技能（别名：ls）
deepagents skills create NAME [--project]使用模板 SKILL.md 创建新技能。幂等——重新创建现有技能会打印信息性消息而不是错误
deepagents skills info NAME [--project]显示有关技能的详细信息
deepagents skills delete NAME [--project] [-f]删除技能及其内容。支持 --dry-run
deepagents threads list [--agent NAME] [--limit N]列出会话（别名：ls）。默认限制：20。-n 是 --limit 的短标志。其他标志：--sort {created,updated}、--branch TEXT（按 git 分支过滤）、-v/--verbose（显示所有列，包括分支、创建时间和初始提示）、-r/--relative（相对时间戳）
deepagents threads delete ID删除会话。支持 --dry-run
deepagents mcp login NAME [--config PATH]运行标记为 auth: "oauth" 的 MCP 服务器的 OAuth 登录流程。请参阅 MCP 工具
deepagents deploy将您的代理部署到 LangSmith。请参阅使用 CLI 部署
所有管理子命令都支持 --json 以获得机器可读的输出。有关详细信息，请参阅命令行选项。破坏性命令（agents reset、skills delete、threads delete）支持 --dry-run 以预览将发生的情况而不进行更改。在 JSON 模式下，--dry-run 返回相同的信封，其中包含 dry_run: true 字段。
将这些文档连接到 Claude、VSCode 等，通过 MCP 获得实时答案。
在 GitHub 上编辑此页面 或 提交问题。