Deep Agents 部署指南10 分钟跑通最小版本单服务器上线 Deep Research【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsDeep Agents 是基于 LangChain / LangGraph 的智能体框架内置规划、文件系统、子代理委派与上下文管理。本文按部署路径分轨本地 10 分钟跑通终端最小版单服务器部署完整的 Deep Research 示例生产侧覆盖依赖锁定、开机自启、追踪与调优四个检查点。三条部署路径怎么选做完这节你会得到对号入座的结论只读下文对应小节其余跳过。路径运行形态部署动作量适用人群本地尝鲜dcode 终端智能体单进程1 条安装命令 1 个模型密钥想先看效果、验证模型接入的开发者单服务器落地LangGraph 本地服务器 Deep Research 示例3 个密钥 1 次uv sync需要常驻跑研究任务的运维与开发者生产部署锁定依赖 systemd 追踪在第 2 节基础上加 4 个检查点面向团队或对外提供服务的场景⚠️ 三条路径共同前置Python ≥ 3.11各包requires-python声明为3.11以及至少一个支持工具调用的模型 API 密钥。10 分钟跑通终端最小版做完这节你会得到一个能直接对话的终端智能体 dcode并用一条非交互命令验证它可用。先确认 Python 版本python3 -V安装 dcodeDeep Agents Code预构建的终端编码智能体curl -LsSf https://langch.in/dcode | bash该脚本默认带上 OpenAI、Anthropic、Gemini 三家模型客户端按你使用的模型商设置对应密钥例如export ANTHROPIC_API_KEY你的密钥启动交互式 TUI输入任务如 Summarize the README in this repo看流式输出CtrlC中断dcode非交互验证脚本与 CI 场景dcode -p Say OK if the harness works.期望返回模型文本输出且进程正常退出。dcode 还支持--headless等参数用于脚本化deepagents --version类自检可用dcode --help查看完整参数。若只打算以编程方式搭自己的 agent可跳过 dcode直接uv add deepagents并调用create_deep_agent(...)见 libs/deepagents/ 包源码。本节约10 分钟一条安装命令加一个密钥。单服务器落地部署 Deep Research 示例做完这节你会得到一台能常驻运行的深度研究服务提交问题 → 规划 → 委派子代理搜索 → 合成报告全程在浏览器可见。安装 uv 并克隆仓库curl -LsSf https://astral.sh/uv/install.sh | sh git clone https://gitcode.com/GitHub_Trending/de/deepagents cd deepagents/examples/deep_research安装示例依赖uv syncuv sync会在该目录生成.venv并严格按 pyproject.toml 声明安装 deepagents、langgraph-cli、tavily 等依赖。创建.envlanggraph.json已声明env: .env# .env ANTHROPIC_API_KEY你的密钥 TAVILY_API_KEY你的密钥 LANGSMITH_API_KEY你的密钥 LANGSMITH_TRACINGtrue密钥用途ANTHROPIC 驱动默认模型 Claude Sonnet 4.5TAVILY 驱动网页搜索LANGSMITH 用于追踪可选生产建议保留。启动服务器uv run langgraph devlanggraph dev读取 langgraph.json 中的图入口./agent.py:agent默认监听 2024 端口并自动打开 Studio 网页换端口加--port 2025。提交一个研究问题观察 agent 规划任务、派发 research-agent 子代理、调用tavily_search并输出最终报告。本节约3 个密钥一条uv sync浏览器里可交互的研究服务。生产加固锁定依赖、常驻服务与可观测做完这节你会得到四个可验收项依赖版本锁死、服务重启后自动拉起、每次运行有追踪记录、并发参数受控。依赖锁定。示例目录执行uv lock生成uv.lock并提交版本库部署机上用uv sync按锁文件安装保证构建可复现。pyproject.toml里已有override-dependencies处理已知 CVE升级依赖时先跑uv sync验证。密钥管理。.env建议chmod 600密钥只在这一个文件里维护服务单元通过EnvironmentFile引用。systemd 服务化。创建/etc/systemd/system/deep-research.service[Unit] DescriptionDeep Research LangGraph Server Afternetwork.target [Service] Userdeepagent WorkingDirectory/opt/deepagents/examples/deep_research EnvironmentFile/opt/deepagents/examples/deep_research/.env ExecStart/opt/deepagents/examples/deep_research/.venv/bin/uv run langgraph dev Restarton-failure RestartSec5 [Install] WantedBymulti-user.targetRestarton-failure负责开机后崩溃自愈配合下面两条命令启用开机自启systemctl daemon-reload systemctl enable --now deep-research日志与追踪。journalctl -u deep-research -f看进程日志.env中LANGSMITH_TRACINGtrue让每次运行生成 trace用于定位慢请求和工具调用失败。调优。examples/deep_research/agent.py 顶部两个常量控制成本参数示例默认生产建议说明max_concurrent_research_units31~2并发子代理数直接决定 API 并发开销max_researcher_iterations32单个子代理最大迭代轮数模型温度示例中已固定为 0保持即可限流场景再把并发降到 1。本节约uv.lock systemd 单元 trace 两个并发参数。选读切换模型与注册自定义工具做完这节你会得到把默认 Claude 换成 Gemini、并给自己的 agent 加工具的改法。切换模型模型参数接受任意 LangChain chat model 对象示例中 Claude 与 Gemini 的切换写法在 examples/deep_research/agent.py 第 48~51 行from langchain_google_genai import ChatGoogleGenerativeAI from deepagents import create_deep_agent agent create_deep_agent( modelChatGoogleGenerativeAI(modelgemini-3-pro-preview, temperature0.0), )注册自定义工具参考 examples/deep_research/research_agent/tools.py 中tavily_search的写法用 LangChain 工具装饰器定义函数后同时加入主 agent 与子代理的tools列表from langchain.tools import tool tool def lookup_price(symbol: str) - str: 查询股票报价。 ... agent create_deep_agent( modelmodel, tools[lookup_price], subagents[{name: researcher, tools: [lookup_price], ...}], )子代理定义见 agent.py 中的research_sub_agent字典结构即name/description/system_prompt/tools四键。本节约模型与工具都是构造参数改参数不改框架。排错速查症状原因动作启动即报缺ANTHROPIC_API_KEY或 401密钥未设或失效核对.env中export值echo $ANTHROPIC_API_KEY确认非空Studio 打不开端口报错2024 被占用--port 2025换端口启动uv sync解析冲突锁文件与依赖声明不同步重新uv lock后uv sync必要时重建.venv流式输出中断模型侧过载断流保持客户端默认重试逻辑不要手动关重试搜索返回 403目标站点反爬工具侧已带 UA 抓正文见tavily_search持续 403 换用代理或放弃该源子代理并发超限被限流并发参数偏高下调max_concurrent_research_units本节约按症状对表先定边界再动手。收尾一条uv sync、一个.env、一个 systemd 单元Deep Agents 就能从本机 demo 走到常驻服务先锁依赖再谈扩展。框架入口与导出清单libs/deepagents/deepagents/init.py生产参考实现examples/deep_research/agent.py示例总目录examples/【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Deep Agents 部署指南10 分钟跑通最小版本单服务器上线 Deep Research【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsDeep Agents 是基于 LangChain / LangGraph 的智能体框架内置规划、文件系统、子代理委派与上下文管理。本文按部署路径分轨本地 10 分钟跑通终端最小版单服务器部署完整的 Deep Research 示例生产侧覆盖依赖锁定、开机自启、追踪与调优四个检查点。三条部署路径怎么选做完这节你会得到对号入座的结论只读下文对应小节其余跳过。路径运行形态部署动作量适用人群本地尝鲜dcode 终端智能体单进程1 条安装命令 1 个模型密钥想先看效果、验证模型接入的开发者单服务器落地LangGraph 本地服务器 Deep Research 示例3 个密钥 1 次uv sync需要常驻跑研究任务的运维与开发者生产部署锁定依赖 systemd 追踪在第 2 节基础上加 4 个检查点面向团队或对外提供服务的场景⚠️ 三条路径共同前置Python ≥ 3.11各包requires-python声明为3.11以及至少一个支持工具调用的模型 API 密钥。10 分钟跑通终端最小版做完这节你会得到一个能直接对话的终端智能体 dcode并用一条非交互命令验证它可用。先确认 Python 版本python3 -V安装 dcodeDeep Agents Code预构建的终端编码智能体curl -LsSf https://langch.in/dcode | bash该脚本默认带上 OpenAI、Anthropic、Gemini 三家模型客户端按你使用的模型商设置对应密钥例如export ANTHROPIC_API_KEY你的密钥启动交互式 TUI输入任务如 Summarize the README in this repo看流式输出CtrlC中断dcode非交互验证脚本与 CI 场景dcode -p Say OK if the harness works.期望返回模型文本输出且进程正常退出。dcode 还支持--headless等参数用于脚本化deepagents --version类自检可用dcode --help查看完整参数。若只打算以编程方式搭自己的 agent可跳过 dcode直接uv add deepagents并调用create_deep_agent(...)见 libs/deepagents/ 包源码。本节约10 分钟一条安装命令加一个密钥。单服务器落地部署 Deep Research 示例做完这节你会得到一台能常驻运行的深度研究服务提交问题 → 规划 → 委派子代理搜索 → 合成报告全程在浏览器可见。安装 uv 并克隆仓库curl -LsSf https://astral.sh/uv/install.sh | sh git clone https://gitcode.com/GitHub_Trending/de/deepagents cd deepagents/examples/deep_research安装示例依赖uv syncuv sync会在该目录生成.venv并严格按 pyproject.toml 声明安装 deepagents、langgraph-cli、tavily 等依赖。创建.envlanggraph.json已声明env: .env# .env ANTHROPIC_API_KEY你的密钥 TAVILY_API_KEY你的密钥 LANGSMITH_API_KEY你的密钥 LANGSMITH_TRACINGtrue密钥用途ANTHROPIC 驱动默认模型 Claude Sonnet 4.5TAVILY 驱动网页搜索LANGSMITH 用于追踪可选生产建议保留。启动服务器uv run langgraph devlanggraph dev读取 langgraph.json 中的图入口./agent.py:agent默认监听 2024 端口并自动打开 Studio 网页换端口加--port 2025。提交一个研究问题观察 agent 规划任务、派发 research-agent 子代理、调用tavily_search并输出最终报告。本节约3 个密钥一条uv sync浏览器里可交互的研究服务。生产加固锁定依赖、常驻服务与可观测做完这节你会得到四个可验收项依赖版本锁死、服务重启后自动拉起、每次运行有追踪记录、并发参数受控。依赖锁定。示例目录执行uv lock生成uv.lock并提交版本库部署机上用uv sync按锁文件安装保证构建可复现。pyproject.toml里已有override-dependencies处理已知 CVE升级依赖时先跑uv sync验证。密钥管理。.env建议chmod 600密钥只在这一个文件里维护服务单元通过EnvironmentFile引用。systemd 服务化。创建/etc/systemd/system/deep-research.service[Unit] DescriptionDeep Research LangGraph Server Afternetwork.target [Service] Userdeepagent WorkingDirectory/opt/deepagents/examples/deep_research EnvironmentFile/opt/deepagents/examples/deep_research/.env ExecStart/opt/deepagents/examples/deep_research/.venv/bin/uv run langgraph dev Restarton-failure RestartSec5 [Install] WantedBymulti-user.targetRestarton-failure负责开机后崩溃自愈配合下面两条命令启用开机自启systemctl daemon-reload systemctl enable --now deep-research日志与追踪。journalctl -u deep-research -f看进程日志.env中LANGSMITH_TRACINGtrue让每次运行生成 trace用于定位慢请求和工具调用失败。调优。examples/deep_research/agent.py 顶部两个常量控制成本参数示例默认生产建议说明max_concurrent_research_units31~2并发子代理数直接决定 API 并发开销max_researcher_iterations32单个子代理最大迭代轮数模型温度示例中已固定为 0保持即可限流场景再把并发降到 1。本节约uv.lock systemd 单元 trace 两个并发参数。选读切换模型与注册自定义工具做完这节你会得到把默认 Claude 换成 Gemini、并给自己的 agent 加工具的改法。切换模型模型参数接受任意 LangChain chat model 对象示例中 Claude 与 Gemini 的切换写法在 examples/deep_research/agent.py 第 48~51 行from langchain_google_genai import ChatGoogleGenerativeAI from deepagents import create_deep_agent agent create_deep_agent( modelChatGoogleGenerativeAI(modelgemini-3-pro-preview, temperature0.0), )注册自定义工具参考 examples/deep_research/research_agent/tools.py 中tavily_search的写法用 LangChain 工具装饰器定义函数后同时加入主 agent 与子代理的tools列表from langchain.tools import tool tool def lookup_price(symbol: str) - str: 查询股票报价。 ... agent create_deep_agent( modelmodel, tools[lookup_price], subagents[{name: researcher, tools: [lookup_price], ...}], )子代理定义见 agent.py 中的research_sub_agent字典结构即name/description/system_prompt/tools四键。本节约模型与工具都是构造参数改参数不改框架。排错速查症状原因动作启动即报缺ANTHROPIC_API_KEY或 401密钥未设或失效核对.env中export值echo $ANTHROPIC_API_KEY确认非空Studio 打不开端口报错2024 被占用--port 2025换端口启动uv sync解析冲突锁文件与依赖声明不同步重新uv lock后uv sync必要时重建.venv流式输出中断模型侧过载断流保持客户端默认重试逻辑不要手动关重试搜索返回 403目标站点反爬工具侧已带 UA 抓正文见tavily_search持续 403 换用代理或放弃该源子代理并发超限被限流并发参数偏高下调max_concurrent_research_units本节约按症状对表先定边界再动手。收尾一条uv sync、一个.env、一个 systemd 单元Deep Agents 就能从本机 demo 走到常驻服务先锁依赖再谈扩展。框架入口与导出清单libs/deepagents/deepagents/init.py生产参考实现examples/deep_research/agent.py示例总目录examples/【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
