Skip to main content
本指南将引导您创建第一个具备规划、文件系统工具和子智能体能力的深度智能体。您将构建一个可以进行研究并撰写报告的研究智能体。
正在使用 AI 编码助手？

​
前提条件

开始之前，请确保您拥有来自模型提供商（例如 Anthropic、OpenAI）的 API 密钥。
深度智能体需要支持 工具调用 的模型。请参阅 自定义 了解如何配置您的模型。

​
步骤 1：安装依赖项

pip install deepagents tavily-python
本指南使用 Tavily 作为示例搜索提供商，但您可以替换为任何搜索 API（例如 DuckDuckGo、SerpAPI、Brave Search）。

​
步骤 2：设置您的 API 密钥

export GOOGLE_API_KEY="your-api-key"
export TAVILY_API_KEY="your-tavily-api-key"

​
步骤 3：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,
    )

​
步骤 4：创建深度智能体

# 系统提示词，用于引导智能体成为专家研究员
research_instructions = """您是一位专家研究员。您的工作是进行彻底的研究，然后撰写一份精美的报告。

您可以使用互联网搜索工具作为收集信息的主要手段。

## `internet_search`

使用此工具对给定查询运行互联网搜索。您可以指定返回的最大结果数、主题以及是否包含原始内容。
"""
传递 provider:model 格式的 model 字符串，或初始化的模型实例。默认为 anthropic:claude-sonnet-4-6。请参阅 支持的模型 了解所有提供商，以及 推荐模型 了解经过测试的推荐。 
agent = create_deep_agent(
    model="google_genai:gemini-3.1-pro-preview",
    tools=[internet_search],
    system_prompt=research_instructions,
)

​
步骤 5：运行智能体

result = agent.invoke({"messages": [{"role": "user", "content": "What is langgraph?"}]})

# 打印智能体的响应
print(result["messages"][-1].content)

​
它是如何工作的？

您的深度智能体自动：
  1. 规划其方法：使用内置的 write_todos 工具分解研究任务。
  2. 进行研究：通过调用 internet_search 工具收集信息。
  3. 管理上下文：通过使用文件系统工具（write_file、read_file）卸载大型搜索结果。
  4. 生成子智能体：根据需要生成子智能体，将复杂的子任务委托给专门的子智能体。
  5. 合成报告：将发现编译成连贯的响应。

​
示例

有关您可以使用深度智能体构建的智能体、模式和应用，请参阅 示例。

​
流式传输

深度智能体具有内置的 流式传输 功能，用于使用 LangGraph 从智能体执行中获取实时更新。 这使您能够逐步观察输出，并审查和调试智能体及子智能体的工作，例如工具调用、工具结果和 LLM 响应。

​
后续步骤

现在您已经构建了第一个深度智能体：
  • 自定义您的智能体：了解 自定义选项，包括自定义系统提示词、工具和子智能体。
  • 添加长期记忆：启用跨对话的 持久化记忆。
  • 部署到生产环境：了解深度智能体的 部署选项。
在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将 连接这些文档 到 Claude、VSCode 等，以获取实时答案。