LangChain 开源 Deep Agents：开箱即用的智能体框架

LangChain 近日在 GitHub 上线了开源项目 Deep Agents，将其定位为「batteries-included」的智能体（agent）框架。该项目以 LangGraph 为底层运行时，提供了面向长链路、多步骤任务的开箱即用配置，开发者可以直接在此基础上扩展、覆写或替换任意组件，而无需从零搭建。

核心特性

Deep Agents 的设计原则强调「opinionated」与「extensible」并存，即默认配置已针对复杂任务调优，同时允许用户对任意环节进行替换。项目内置的主要能力包括：

• 子智能体（Sub-agents）：可将任务委派给拥有独立上下文窗口的子代理
• 文件系统：支持可插拔的本地、沙箱或远端后端读写与检索
• 上下文管理：自动摘要长线程，并将工具输出卸载到磁盘
• Shell 访问：可在所选沙箱中执行命令
• 持久化记忆：基于可插拔的状态与存储后端实现跨会话记忆
• 人在回路：工具调用执行前可审批、编辑或拒绝
• Skills：按需加载的可复用行为单元
• Tools：支持自定义函数或接入任意 MCP 服务器

模型无关与生产就绪

Deep Agents 对模型不做绑定，任何支持工具调用（tool calling）的 LLM 均可接入，覆盖以下几类来源：

• 前沿闭源 API：OpenAI、Anthropic、Google 等
• 开源权重模型：通过 Baseten、Fireworks 等托管
• 本地自托管模型：通过 Ollama、vLLM、llama.cpp 等

底层基于 LangGraph 提供流式输出、持久化、检查点等能力，配合 LangSmith 可获得完整的链路追踪、评估与部署支持，满足生产环境需求。

Deep Agents Code：终端编程助手

除了作为库使用外，团队还推出了预构建的终端编程助手 Deep Agents Code，定位类似 Claude Code 或 Cursor，但模型可由用户自行指定。安装方式为 curl -LsSf https://langch.in/dcode | bash。

与 LangChain 生态的关系

根据官方 FAQ 的说明，三者构成层次化关系：

• LangGraph 是图运行时（graph runtime），负责执行编排
• LangChain 的 create_agent 是基于 LangGraph 的轻量智能体框架
• Deep Agents 则是更高层的、带有文件系统、子智能体、上下文管理、Skills 等中间件的完整框架

开发者可以根据需要选择层级：需要完整开箱即用体验时使用 Deep Agents；想要更精简的智能体时回到 create_agent；而当默认循环结构不再适用、必须自定义图时，则直接使用 LangGraph。三者可组合使用，例如将任意 LangGraph CompiledStateGraph 作为子智能体传入 Deep Agents。

Deep Agents 官方表示，项目灵感来自 Claude Code，旨在提炼出使其具备通用性的设计要素并加以推广。安全方面，项目采用「信任 LLM」模型——智能体的行为边界由工具与沙箱层控制，而非依赖模型自我约束。