Deep Agents CLI

• 文件操作 - 使用工具读取、写入和编辑项目中的文件，使智能体能够管理和修改代码及文档。
• Shell 命令执行 - 执行 shell 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 和外部服务发送 HTTP 请求，用于数据获取和集成任务。
• 任务规划和跟踪 - 将复杂任务分解为独立步骤，并通过内置的待办事项系统跟踪进度。
• 记忆存储和检索 - 跨会话存储和检索信息，使智能体能够记住项目约定和学到的模式。
• 人机协同 - 对敏感工具操作要求人工审批。
• 技能 - 使用存储在技能目录中的自定义专业知识和指令扩展智能体功能。

deepagents --auto-approve

​

快速开始

export OPENAI_API_KEY="your-api-key"

export ANTHROPIC_API_KEY="your-api-key"

export GOOGLE_API_KEY="your-api-key"

export GOOGLE_CLOUD_PROJECT="your-gcp-project-id"

uv tool install deepagents-cli
deepagents

> Create a Python script that prints "Hello, World!"

# 安装单个提供商
uv tool install 'deepagents-cli[anthropic]'

# 同时安装多个提供商
uv tool install 'deepagents-cli[ollama,groq]'

# 稍后添加其他包
uv tool upgrade deepagents-cli --with langchain-xai

deepagents --model anthropic:claude-opus-4-5

export TAVILY_API_KEY="your-key"

​

使用 LangSmith 进行追踪

1. 启用 LangSmith 追踪：
   Copy

   export LANGCHAIN_TRACING=true
   export LANGCHAIN_API_KEY="your-api-key"
   
2. 为 deep agent 操作（如工具调用和智能体决策）配置智能体追踪：
   Copy

   export DEEPAGENTS_LANGSMITH_PROJECT="my-deep-agent-execution"
   
3. 如果你正在使用 deep agents 构建 LangChain 应用程序，并希望将智能体追踪与应用程序的追踪分开，还需配置 LANGSMITH_PROJECT：
   Copy

   export LANGSMITH_PROJECT="my-app-calls-to-langchain"
   

✓ LangSmith tracing: 'my-project'

​

配置

# 列出所有已配置的智能体
deepagents list

# 使用特定智能体配置
deepagents --agent mybot

# 使用特定模型（provider:model 格式或自动检测）
deepagents --model anthropic:claude-sonnet-4-5
deepagents --model gpt-4o

# 自动审批工具使用（跳过人机协同提示）
deepagents --auto-approve

# 在远程沙箱中执行代码
deepagents --sandbox modal        # 或 runloop、daytona
deepagents --sandbox-id dbx_123   # 重用现有沙箱

​

交互式模式

!git status
!npm test
!ls -la

​

非交互式模式和管道

deepagents -n "Write a Python script that prints hello world"

echo "Explain this code" | deepagents
cat error.log | deepagents -n "What's causing this error?"
git diff | deepagents -n "Review these changes"

deepagents -n "Generate a .gitignore for Python" -q > .gitignore
deepagents -n "List dependencies" -q --no-stream | sort

deepagents -n "Run the tests and fix failures" --shell-allow-list "pytest,git,make"
deepagents -n "Build the project" --shell-allow-list recommended

​

切换模型

> /model anthropic:claude-opus-4-5
> /model openai:gpt-4o

deepagents --model openai:gpt-4o

​

教导智能体项目约定

1. 研究：在开始任务之前搜索记忆中的相关上下文
2. 响应：在执行过程中不确定时检查记忆
3. 学习：自动为未来会话保存新信息

~/.deepagents/backend-dev/memories/
├── api-conventions.md
├── database-schema.md
└── deployment-process.md

uvx deepagents-cli --agent backend-dev
> Our API uses snake_case and includes created_at/updated_at timestamps

> Create a /users endpoint
# Applies conventions without prompting

​

自定义你的 deep agent

• 记忆：全局和项目特定的 AGENTS.md 文件，在会话开始时完整加载。 将记忆用于通用编码风格和偏好。
• 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。

​

提供项目或用户上下文

​

使用远程沙箱

• 安全性：保护你的本地机器免受潜在有害代码执行的影响
• 清洁环境：使用特定依赖项或操作系统配置，无需本地设置
• 并行执行：在隔离环境中同时运行多个智能体
• 长时间运行的任务：执行耗时操作而不阻塞你的机器
• 可重现性：确保跨团队的一致执行环境

1. 配置你的沙箱提供商（Runloop、Daytona 或 Modal）：
   Copy

   # Runloop
   export RUNLOOP_API_KEY="your-key"
   
   # Daytona
   export DAYTONA_API_KEY="your-key"
   
   # Modal
   modal setup
   
2. 使用沙箱运行 CLI：
   Copy

   uvx deepagents-cli --sandbox runloop --sandbox-setup ./setup.sh
   
   智能体在本地运行，但在远程沙箱中执行所有代码操作。可选的设置脚本可以配置环境变量、克隆仓库并准备依赖项。
3. （可选）创建 setup.sh 文件来配置你的沙箱环境：
   Copy

   #!/bin/bash
   set -e
   
   # Clone repository using GitHub token
   git clone https://x-access-token:${GITHUB_TOKEN}@github.com/username/repo.git $HOME/workspace
   cd $HOME/workspace
   
   # Make environment variables persistent
   cat >> ~/.bashrc <<'EOF'
   export GITHUB_TOKEN="${GITHUB_TOKEN}"
   export OPENAI_API_KEY="${OPENAI_API_KEY}"
   cd $HOME/workspace
   EOF
   
   source ~/.bashrc
   
   将密钥存储在本地 .env 文件中供设置脚本访问。

​

使用技能

​

添加技能

1. 首先创建一个技能：
   • 用户技能
   • 项目技能

   Copy

   deepagents skills create test-skill
   

   这将在你的 ~/.deepagents/<agent_name> 文件夹中生成以下文件：

   Copy

   deepagents skills create test-skill --project
   

   这将在你的 ~/{project}/.deepagents/skills 文件夹中生成以下文件：
   Copy

   skills/
   └── test-skill
       └── SKILL.md
   
2. 打开生成的 SKILL.md 并编辑文件以包含你的指令。
3. 可选地向 test-skill 文件夹添加额外的脚本或其他资源。 更多信息请参阅示例。

mkdir -p ~/.deepagents/<agent_name>/skills
cp -r examples/skills/web-research ~/.deepagents/<agent_name>/skills/

`~/.deepagents/<agent_name>/skills/`
`~/.agents/skills/`
`.deepagents/skills/`
`.agents/skills/`

​

列出技能

deepagents skills list

deepagents skills list --project

deepagents skills info test-skill

deepagents skills info test-skill --project