LangChain 官方出手了：这个 Agent 框架自带规划、文件系统和子 Agent 派发

自己搭过 Agent 的人都知道那种感觉光是把规划、上下文管理、工具调用、子任务派发这几件事拼在一起就能折腾半天。每次从零开始都要重新处理一堆和业务无关的基础设施问题。LangChain 官方开源了 deepagents直接把这些能力打包进来开箱即用。它解决的是什么问题普通 Agent 框架的问题不是不能用而是太裸。你拿到的是一个 think-act-observe 循环剩下的全靠自己填。• 任务拆解自己写 prompt 让模型输出 JSON再解析。• 中间结果太长撑爆 context自己做截断或摘要。• 需要派发子任务自己管理子 Agent 的上下文隔离。• 文件读写自己封装工具。deepagents 的思路是把这些每次都要重写的基础能力内置进来让你一行代码就能拿到一个真正能干活的 Agent。四个内置能力规划PlanningAgent 拿到任务后会先用write_todos工具把任务拆成有序子步骤执行过程中可以动态更新进度。这不是让模型想想再说而是把规划变成一个可追踪的结构化过程。文件系统Filesystem内置read_file、write_file、edit_file、ls、glob、grep这套工具。Agent 可以把中间结果写到文件里下一步再读回来不用把所有内容都塞进 context。这是解决长任务 context 溢出的关键设计。Shell 执行Shell access内置execute工具Agent 可以直接跑命令。配合沙箱机制可以在隔离环境里执行代码、安装依赖、跑测试。子 Agent 派发Sub-agents内置task工具主 Agent 可以把子任务派发给独立的子 Agent每个子 Agent 有自己的 context 窗口互不干扰。复杂任务可以真正并行处理而不是在一个越来越长的对话里硬撑。上手有多快pip install deepagents plaintext from deepagents import create_deep_agentagent create_deep_agent()result agent.invoke({ messages: [{role: user, content: Research LangGraph and write a summary}]})就这两步。Agent 会自动规划、搜索、写文件、整理结果。需要定制的话换模型、加工具、改 prompt 都支持from langchain.chat_models import init_chat_modelagent create_deep_agent( modelinit_chat_model(anthropic:claude-sonnet-4-6), tools[my_search_tool, my_db_tool], system_prompt你是一个专注于竞品分析的研究助手。,)支持 OpenAI、Anthropic、Google 等所有主流模型也支持通过langchain-mcp-adapters接入 MCP 工具。还有一个 CLIdeepagents 还附带了一个终端编码助手定位类似 Claude Code 或 Cursor但可以接任意 LLMcurl -LsSf https://raw.githubusercontent.com/langchain-ai/deepagents/main/libs/cli/scripts/install.sh | bash装完直接在终端里用支持流式输出、网络搜索、无头模式适合脚本和 CI。一个真实的使用场景假设你要做一个每天自动分析竞品动态的 Agent主 Agent 拿到任务用write_todos拆成搜索竞品 A、搜索竞品 B、汇总对比、生成报告用task工具把搜索任务派发给两个子 Agent 并行执行子 Agent 把搜索结果用write_file写到文件主 Agent 读取两份文件生成对比报告再写出最终 Markdown整个流程不需要你手动管理 context、协调子任务、处理中间结果框架帮你兜底。这种模式放到代码审查、文档生成、数据分析、自动化测试等场景都能直接套用。和 LangGraph 的关系create_deep_agent返回的是一个编译好的 LangGraph StateGraph。这意味着你可以直接用 LangGraph 的所有能力流式输出、checkpointing、human-in-the-loop、LangSmith 可观测性。它不是另起炉灶而是在 LangGraph 上加了一层开箱即用的封装。README 里有一句话说得很直白这个项目最初的灵感来自 Claude Code目标是搞清楚是什么让 Claude Code 具备通用性然后把这种通用性做得更彻底。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】