Jean's Blog

一个专注软件测试开发技术的个人博客

0%

DeepAgents介绍

发表于 分类于
学习DeepAgents学习笔记第一讲

DeepAgents介绍

构建能够规划、使用子代理以及利用文件系统来处理复杂任务的代理。它强调了该工具可以创建具有规划能力、能够使用子代理以及借助文件系统来应对复杂、多步骤任务的代理。

deepagents 是一个独立的库，用于构建能够应对复杂、多步骤任务的代理。基于 LangGraph 构建，并受到 Claude Code、Deep Research 和 Manus 等应用的启发，Deep Agents 具备规划能力、用于上下文管理的文件系统以及生成子代理的能力：

  • 独立的库：意味着“deepagents”是一个独立的软件组件，它不依赖于其他特定的软件环境，可以单独使用。
  • 构建能够应对复杂、多步骤任务的代理：说明该库的主要用途是创建能够处理复杂任务的代理。复杂任务通常涉及多个步骤，需要代理具备一定的规划和执行能力。
  • 基于 LangGraph 构建：表明“deepagents”是建立在“LangGraph”这个基础之上的。这可能意味着它利用了“LangGraph”提供的一些功能或架构。
  • 受到 Claude Code、Deep Research 和 Manus 等应用的启发：这说明“deepagents”的设计思路受到了这些应用的影响，可能借鉴了它们的一些功能或特性。
  • 具备规划能力：代理能够制定计划，以有效地完成任务。
  • 用于上下文管理的文件系统：代理可以利用文件系统来管理上下文信息，这有助于处理大量的上下文数据，防止上下文窗口溢出。
  • 生成子代理的能力：主代理可以创建子代理来处理特定的子任务，这有助于实现上下文隔离，保持主代理的上下文清晰。

总的来说DeepAgents 是一个企业级 AI Agent 框架，它就像给 AI 装上了：

  • 🗂️ 文件系统：让 AI 能读写文件
  • 🤖 子智能体：让 AI 能分配任务给专业助手
  • 💾 长期记忆：让 AI 能记住跨会话的信息
  • ⚙️ 命令执行：让 AI 能运行 shell 命令
  • 🔄 人机协作：让 AI 在关键操作前征求人类同意

DeepAgents使用场景

  1. 处理复杂、多步骤任务（Handle complex, multi - step tasks that require planning and decomposition）
  • 复杂任务的定义
    • 复杂任务是指那些不能简单地一步完成的任务。例如，在一个智能客服场景中，用户可能要求查询订单状态、修改订单信息并获取发票。这就不是一个简单的查询操作，而是需要多个步骤来完成的复杂任务。
    • 这些任务往往需要规划，就像一个项目经理规划一个大型项目一样。深度代理需要先分析任务的整体目标，然后将其分解为多个子任务。
    • 例如，对于上述智能客服的例子，深度代理可能先规划出以下步骤：首先查询订单数据库以获取订单状态，然后根据用户要求修改订单信息（这可能涉及多个子步骤，如检查库存、更新配送信息等），最后生成并发送发票。
  1. 管理大量上下文（Manage large amounts of context through file system tools）
  • 上下文的重要性
    • 在很多人工智能应用场景中，上下文是关键。上下文可以是用户之前的对话记录、相关的文档、知识库中的信息等。例如，在一个法律咨询场景中，用户可能已经提供了案件的详细背景信息，包括合同内容、事件经过等。
    • 当上下文信息量很大时，深度代理需要能够有效地管理这些信息。文件系统工具可以帮助存储和检索这些上下文信息。
    • 比如，深度代理可以将用户提供的法律文件存储在文件系统中，然后在需要的时候通过特定的工具（如文件检索算法）快速找到相关的文件内容，以更好地理解和回答用户的问题。
  1. 委派工作给专业子代理（Delegate work to specialized subagents for context isolation）
  • 子代理的概念
    • 子代理可以看作是深度代理的“助手”，它们专注于特定的任务或领域。这种分工可以提高效率，就像在一个企业中，不同的部门负责不同的业务一样。
    • 上下文隔离是子代理的一个重要功能。例如，在一个多语言翻译应用场景中，深度代理可以将文本翻译任务委派给专门的翻译子代理。这个子代理只关注翻译任务，它有自己的上下文环境，只处理与翻译相关的上下文信息，如语言规则、词汇库等，而不会被其他无关的上下文信息干扰。
    • 这样做的好处是能够提高子代理的性能和准确性，同时也可以让深度代理更好地协调各个子代理的工作。
  1. 在对话和线程之间持续保持记忆（Persist memory across conversations and threads）
  • 持续记忆的作用
    • 在一些连续的交互场景中，记忆是非常重要的。例如，在一个长期的项目咨询场景中，用户可能在不同的时间与深度代理进行交流，每次交流都可能涉及项目的新进展、问题等。
    • 深度代理需要能够记住之前的对话内容和线程（线程可以理解为一个特定的交流主题或任务序列）。这样它就可以在新的交流中继续之前的话题，而不是每次都从头开始。
    • 比如，用户在第一次交流时提到了一个项目的技术难点，深度代理记录了这个信息。在后续的交流中，当用户再次提到这个技术难点时，深度代理可以基于之前的记忆提供更深入的分析或者解决方案建议。

注意：对于更简单的使用场景，考虑使用 LangChain 的 create_agent 方法，或者构建一个自定义的 LangGraph 工作流。

核心能力（Core capabilities）

  • 计划和任务分解（Planning and task decomposition）
    • 深度代理（Deep agents）内置了一个名为write_todos的工具。这个工具可以帮助代理将复杂的任务拆分成一些离散的步骤。例如，如果有一个任务是制作一个包含多个章节的报告，write_todos工具可以将这个任务分解为收集资料、撰写每个章节的草稿、校对和编辑等步骤。同时，代理能够跟踪任务的进度，比如记录已经完成了哪些步骤，还有哪些步骤正在进行中。并且，当有新的信息出现时，代理可以调整计划。比如，如果在撰写报告的过程中发现了一个新的重要观点，代理可以根据这个新观点对后续的步骤进行调整。
  • 上下文管理（Context management）
    • 代理可以使用文件系统工具（ls、read_file、write_file、edit_file）。这些工具允许代理将大量的上下文信息（比如任务相关的背景信息、数据等）转移到内存中。这样做的好处是防止上下文窗口溢出。上下文窗口溢出可以理解为代理在处理任务时，由于上下文信息过多，超出了其能够处理的范围，导致无法正常工作。通过这些工具，代理可以处理可变长度的工具结果。例如，当使用某个工具获取数据时，数据的大小可能是不确定的，文件系统工具可以帮助代理有效地管理这些不同大小的数据。
  • 子代理生成（Subagent spawning）
    • 有一个内置的任务工具，它使得代理能够生成专门的子代理来实现上下文隔离。上下文隔离的意思是，子代理可以专注于特定的子任务，而不会干扰主代理的上下文。例如，主代理正在处理一个大型项目，它生成一个子代理来处理项目中的一个特定模块。子代理可以深入研究这个模块，而主代理的上下文仍然保持清晰，不会被子代理处理模块时产生的大量信息所淹没。这样，主代理可以同时处理多个子任务，而不会因为上下文过于复杂而混乱。
  • 长期记忆（Long-term memory）
    • 使用LangGraph的Store功能，可以扩展代理的持久化内存，使其能够在多个线程（可以理解为多个任务处理流程）之间保持记忆。这意味着代理可以保存和检索之前的对话信息。比如，在一个客户服务场景中，代理可以记住之前与客户交流的内容，当再次与客户交流时，能够根据之前的对话提供更连贯、更个性化的服务。

架构图

graph TB
    User[用户] --> Agent[Deep Agent]

    Agent --> MW1[TodoListMiddleware
任务管理]
    Agent --> MW2[FilesystemMiddleware
文件操作]
    Agent --> MW3[SubAgentMiddleware
子智能体]
    Agent --> MW4[SummarizationMiddleware
对话摘要]
    Agent --> MW5[HumanInTheLoopMiddleware
人机交互]

    MW2 --> Backend[Backend 存储层]
    Backend --> StateB[StateBackend
临时存储]
    Backend --> StoreB[StoreBackend
持久存储]
    Backend --> SandboxB[SandboxBackend
沙箱执行]
    Backend --> CompositeB[CompositeBackend
混合存储]

    MW3 --> SubAgent1[通用子智能体]
    MW3 --> SubAgent2[自定义子智能体]

    Agent --> Store[Store 长期记忆]
    Agent --> Checkpointer[Checkpointer 会话状态]

    style Agent fill:#4CAF50,color:#fff
    style Backend fill:#2196F3,color:#fff
    style Store fill:#FF9800,color:#fff

核心概念

create_deep_agent 函数签名

1
2
3
4
5
6
7
8
9
10
11
12
13
def create_deep_agent(
    model: str | BaseChatModel | None = None,           # AI 模型
    tools: Sequence[BaseTool] | None = None,            # 工具列表
    system_prompt: str | None = None,                   # 系统提示词
    middleware: Sequence[AgentMiddleware] = (),         # 中间件列表
    subagents: list[SubAgent] | None = None,            # 子智能体列表
    store: BaseStore | None = None,                     # 长期记忆存储
    backend: BackendProtocol | None = None,             # 文件存储后端
    interrupt_on: dict[str, bool | InterruptOnConfig] | None = None,  # 人机交互配置
    checkpointer: Checkpointer | None = None,           # 会话检查点
    debug: bool = False,                                # 调试模式
) -> CompiledStateGraph:
    """创建一个深度智能体"""

默认内置功能

创建 Deep Agent 时，框架会自动添加以下中间件（按顺序）：

  1. TodoListMiddleware - 任务列表管理

  2. FilesystemMiddleware - 文件系统操作（ls, read_file, write_file, edit_file, glob, grep, execute）

  3. SubAgentMiddleware - 子智能体调度（task 工具）

  4. SummarizationMiddleware - 对话历史摘要（防止上下文溢出）

  5. AnthropicPromptCachingMiddleware - 提示词缓存（节省成本）

  6. PatchToolCallsMiddleware - 修复悬空工具调用

  7. HumanInTheLoopMiddleware - 人机交互（如果配置了 interrupt_on）

Middleware（中间件）

Middleware（中间件）就像是给 AI 加装的功能模块，每个中间件负责一个特定功能。

  • FilesystemMiddleware: 文件操作（ls, read, write, edit, glob, grep, execute）
  • SubAgentMiddleware: 子智能体调度
  • SummarizationMiddleware: 对话历史压缩
  • HumanInTheLoopMiddleware: 人机交互控制

Backend（后端存储）

Backend 决定了文件存储在哪里，就像给 AI 配置不同的”硬盘”。

  • StateBackend: 临时存储（不跨会话）
  • StoreBackend: 持久存储（跨会话）
  • SandboxBackend: 沙箱执行（支持命令）
  • CompositeBackend: 混合路由（企业级）

Store（长期记忆）

Store 是 LangGraph 提供的跨会话持久化存储，用于保存需要长期记住的信息。

Interrupt_on（人机交互）

Interrupt_on 让你能够控制 AI 在执行哪些操作前需要人类批准，防止 AI 执行危险操作。