langchain-ai/deepagents

Deep Agents 是一个开源的智能体框架（harness）：它在 LangChain 的 create_agent 和 LangGraph 运行时之上做了一层更有主见的封装，面向需要规划、文件操作和上下文控制的长程、多步任务。它适合用 Python 从零搭建通用 AI 智能体的团队，而不是编程专用助手或成品对话应用。

它做什么

调用 create_deep_agent 传入模型和系统提示词，返回的智能体已经能规划、读写文件并管理自身上下文。内置能力包括：子智能体（把任务委派到隔离的上下文窗口）、可插拔本地/沙箱/远程后端的文件系统、通过摘要长对话并把工具输出卸载到磁盘来实现的上下文管理、在自选沙箱中执行 shell、持久记忆后端、工具调用执行前的人工审批/编辑/拒绝、按需加载的技能，以及自带函数或任意 MCP 服务器 智能体概览。

在生态中的位置

LangChain 的三层是可组合的：LangGraph 是图运行时，create_agent 是轻量框架，Deep Agents 是叠加其上的更完整框架。想要开箱即用的完整能力选 Deep Agents，想要更轻的框架选 create_agent，当智能体循环本身不合适时直接用 LangGraph。任意 LangGraph 编译图都可以作为子智能体传入，自定义编排可以与默认能力并行接入 生态概览。

使用条件与范围

Python 库通过 uv add deepagents 安装，另有独立的 JavaScript/TypeScript 库 README。模型必须支持工具调用；README 称前沿 API、托管在 Baseten、Fireworks 等平台上的开放权重模型，以及通过 Ollama、vLLM 或 llama.cpp 自托管的模型，都可通过 LangChain 聊天模型接入 README。生产使用以 LangGraph 为基础，追踪、评估和监控可选由 LangSmith 承担 生产部署指南。

安全模型

作者明确说明：Deep Agents 采用“信任 LLM”的模型，智能体能做其工具允许的一切。边界必须在工具或沙箱层强制，而不能指望模型自我约束 README。在启用 shell 访问或可写文件系统后端时，这一点尤其关键。

另有一个预构建的终端编程智能体 Deep Agents Code，通过独立安装脚本分发并在单独文档中介绍 Deep Agents Code 文档，它与框架库是不同的产品。仓库采用 MIT 许可证 仓库。