用 Deep Agents 做第一次研究型 Agent

按 Deep Agents Quickstart：安装 deepagents、配置搜索工具与模型，用 create_deep_agent 跑通第一个研究型 Agent。

基于 LangChain Docs 整理 · 官方资料 ↗

Deep Agents 面向需要多步研究、写报告的任务：自带文件系统工具与子代理委派，不只是单次 tool call。

这篇跟着官方 Quickstart，做出第一个研究型 Agent。若你接下来要做文档 RAG，可对照用 Deep Agents 做文档 RAG Agent。

安装与 API Key

官方安装

bash

pip install deepagents

Deep Agents 需要支持 tool calling 的模型。按你选的 provider 导出对应 Key，例如：

按 provider 配置（择一）

bash

export GOOGLE_API_KEY="your-api-key"
# 或
export OPENAI_API_KEY="your-api-key"
# 或
export ANTHROPIC_API_KEY="your-api-key"

Google / OpenAI / Anthropic 提供内置网页搜索，一般不必另装包。若改用 Tavily，再装 tavily-python 并设置 TAVILY_API_KEY。

准备搜索工具

内置搜索可直接传 provider tool dict。以 Google 为例：

Google 内置搜索

python

from deepagents import create_deep_agent

# Google's built-in search — no extra install or API key needed
internet_search = {"google_search": {}}

OpenAI 用 {"type": "web_search"}；Anthropic 用 {"type": "web_search_20260209", "name": "web_search"}。

创建研究型 Deep Agent

把模型、tools、system_prompt 传给 create_deep_agent。model 用 provider:model 字符串。

官方 Google 示例

python

research_instructions = """You are an expert researcher. Your job is to conduct thorough research and then write a polished report.

You have access to an internet search tool as your primary means of gathering information.

## `internet_search`

Use this to run an internet search for a given query. You can specify the max number of results to return, the topic, and whether raw content should be included.
"""

agent = create_deep_agent(
    model="google_genai:gemini-3.6-flash",
    tools=[internet_search],
    system_prompt=research_instructions,
)

跑第一次研究任务

官方 invoke 示例

python

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

print(result["messages"][-1].content)

运行时它会：调用搜索、用文件系统工具卸载过长中间结果、必要时派生子代理，最后合成报告。

可选开启 LangSmith tracing（LANGSMITH_TRACING / LANGSMITH_API_KEY）观察 tool call 与子代理委派。需要文档索引式 RAG 时，继续看用 Deep Agents 做文档 RAG Agent。

容易踩的坑

模型不支持 tool calling

换成官方文档列出的支持 tool calling 的 chat model，并检查对应 API Key。

搜索工具不可用

确认用了 provider 内置 web search 字典；若走 Tavily，检查 TAVILY_API_KEY 与 tavily-python。

上下文被长搜索结果撑爆

这正是 Deep Agents 文件系统卸载的用途；观察是否出现 write_file / read_file，不要关掉相关能力。

官方资料

LangChain Docs

Quickstart ↗