用途:按官方文档搭建一个最小的本地 Python Deep Agent(研究型智能体),并改用模型提供商自带的联网搜索,而不是 Tavily。
主要能力:使用 create_deep_agent 构建研究智能体,配合研究类系统提示词,用研究问题(如“What is LangGraph?”)调用;体现 Deep Agents 的模型无关性。
使用方式:先以官方文档为准,不要凭记忆编造 API,参考 https://docs.langchain.com/oss/python/deepagents/quickstart ,通过 Docs MCP 或 HTTP 获取该页并按其研究智能体形态实现。先询问使用哪个提供商与模型,传入 provider:model 字符串,例如 openai:gpt-5.5、anthropic:claude-sonnet-5、google_genai:gemini-3.5-flash;不确定时默认 anthropic:claude-sonnet-5。新建独立目录(如 deep-agent/)并在其中完成全部工作,避免污染现有项目。安装 deepagents 与 python-dotenv,以及对应模型的提供商包,不要安装 tavily-python。把 quickstart 中的 internet_search / Tavily 工具替换为所选提供商的内置联网搜索,工具形态以该提供商当前 LangChain 聊天文档为准(示例:Anthropic 用 {"type": "web_search_20260209", "name": "web_search", "max_uses": 5},OpenAI 用 {"type": "web_search"},Google 用 {"google_search": {}})。唯一需要的密钥是所选提供商的 API key,放在 .env 中并加入 gitignore;除非用户要求,跳过 LangSmith 追踪。运行研究示例、展示输出后停止,并指向 deep-agents-core、customization、Managed Deep Agents 作为后续步骤。
适用场景:需要快速验证 Deep Agent 研究流程、希望避免额外搜索服务密钥、或想演示模型无关性的本地开发。
限制:优先选择 Anthropic / OpenAI / Google 以获得提供商搜索能力;具体工具形态与模型名称可能变化,需重新核对官方文档;资料未提供更多收费、平台或效果信息。