Deep Agents：LangChain 出品的 2026 年最强开源 Agent 框架，3 行代码搞定一切

如果你用过 Claude Code，一定会被它的"深度"震撼——不是简单的工具调用循环，而是一个真正能规划、能思考、能拆解任务的 Agent。问题是，Claude Code 不开源，你没法自定义，也没法嵌入自己的产品。

LangChain 团队也看到了这个痛点。他们逆向分析了 Claude Code 的核心设计，把它抽象成了一个通用框架——Deep Agents。更厉害的是，他们让这个框架比 Claude Code 更通用、更灵活、更开放。

我花了两天时间把整个项目源码读了一遍（这是个超过 10 万行的 monorepo），这篇文章是我踩过的坑和总结的精华。

本文提纲

1. Deep Agents 到底是什么
2. 为什么说它是"batteries-included"
3. 3 行代码跑起来的 Quickstart
4. 完整功能清单（30+ 特性）
5. 和 Claude Code 的关系

Deep Agents 到底是什么

一句话：一个开箱即用的 Agent harness，不是框架，是 harness。

框架（framework）给你积木，你自己拼。harness 给你一匹已经套好缰绳的马，你只需要告诉它往哪跑。

看代码就明白了：

from deepagents import create_deep_agent

agent = create_deep_agent()
result = agent.invoke({"messages": [{"role": "user", "content": "研究 LangGraph 并写一份总结"}]})

这三行代码背后，Deep Agents 已经帮你做了：
- 规划任务（write_todos）
- 读写文件（read_file, write_file, edit_file）
- 搜索文件（glob, grep, ls）
- 执行命令（execute）
- 委派子任务（task）
- 自动上下文管理（对话太长时自动摘要）

你不需要手动拼任何东西。

为什么说它是"batteries-included"

"Batteries included"是 Python 社区的老梗——买遥控器自带电池。Deep Agents 把这个理念贯彻到了极致：

内置规划系统

Agent 不再是简单的"用户说 → 调工具 → 返回结果"循环。write_todos 工具让 LLM 能：
- 把大任务拆成小步骤
- 追踪每一步的完成状态
- 动态调整计划

这就是 Deep Research、Manus 这类产品能处理复杂任务的核心秘密。

内置文件系统

所有 intermediate 结果都可以写入文件，而不是堆在上下文窗口里。这意味着：
- 上下文不会因为太长而"变笨"
- Agent 可以自我管理内存
- 大输出自动保存，不浪费 token

内置子代理系统

task 工具让 Agent 可以把子任务委派给独立的子代理：
- 每个子代理有独立的上下文窗口
- 支持同步子代理（SubAgent）和异步子代理（AsyncSubAgent）
- 自动添加一个通用的 general-purpose 子代理

内置上下文管理

对话太长时自动触发摘要中间件，把历史消息压缩，保持 Agent 的"注意力"集中。

3 行代码跑起来的 Quickstart

安装：

pip install deepagents
# 或者
uv add deepagents

自定义（简单）：

from deepagents import create_deep_agent

agent = create_deep_agent(
    model="anthropic:claude-sonnet-4-6",
    tools=[my_custom_tool],
    system_prompt="你是一个研究助手。",
)

自定义（进阶）：

from deepagents import create_deep_agent, SubAgent, MemoryMiddleware
from langchain.chat_models import init_chat_model
from langgraph.checkpoint.memory import MemorySaver

agent = create_deep_agent(
    model=init_chat_model("openai:gpt-4o"),
    tools=[search_tool, calculator_tool],
    system_prompt="你是一个数据分析助手。",
    subagents=[
        SubAgent(
            name="researcher",
            description="搜索和分析研究论文",
            system_prompt="你擅长学术研究。",
            tools=[arxiv_tool],
        )
    ],
    memory=["/memory/AGENTS.md"],
    permissions=[
        FilesystemPermission(path="/data", allow_read=True, allow_write=False),
    ],
    checkpointer=MemorySaver(),
)

完整功能清单（30+ 特性）

我把整个 monorepo 翻了个遍，整理出所有功能：

SDK 核心

类别	功能	说明
规划	write_todos	任务分解、进度追踪
文件系统	read/write/edit_file	完整的文件操作
文件系统	ls/glob/grep	文件搜索
命令执行	execute	沙箱化的 shell 执行
子代理	task (SubAgent)	同步子代理委派
子代理	AsyncSubAgent	异步远程子代理
上下文管理	自动摘要	对话过长时自动压缩
上下文管理	大输出保存	超长输出自动写入文件
记忆	MemoryMiddleware	跨对话持久化记忆
技能	SkillsMiddleware	可扩展的自定义技能
权限	FilesystemPermission	细粒度文件访问控制
中间件	Middleware Stack	可插拔中间件架构
模型适配	HarnessProfile	按模型自动调优
人机协作	Human-in-the-loop	工具调用前审批
输出	response_format	结构化输出
缓存	PromptCaching	Anthropic prompt 缓存
集成	MCP	通过 langchain-mcp-adapters
集成	ACP	Agent Client Protocol (Zed 编辑器)
集成	LangGraph	原生 LangGraph 支持

CLI 工具

功能	说明
Interactive TUI	基于 Textual 的富终端界面
Web Search	实时网络搜索
Remote Sandboxes	远程沙箱执行（Daytona、Modal、Runloop 等）
Persistent Memory	跨会话记忆
Custom Skills	自定义 slash commands
Headless Mode	非交互模式（CI/脚本）
Model Switching	动态切换模型
Conversation Resume	恢复上次对话

合作伙伴集成

Partner	功能
Daytona	远程开发环境沙箱
Modal	Serverless GPU
QuickJS	JavaScript 运行时
Runloop	代码执行沙箱

评估系统

功能	说明
Evals Suite	端到端行为评估
Harbor 集成	Terminal Bench 2.0 基准测试
LLM Judge	基于LLM的自动评分
Memory Agent Bench	记忆能力基准测试
BFCL API 测试	工具使用能力测试
Tau2 Airline	航空客服领域测试

和 Claude Code 的关系

项目 README 里写得很直白：

This project was primarily inspired by Claude Code, and initially was largely an attempt to see what made Claude Code general purpose, and make it even more so.

翻译：灵感来自 Claude Code，目标是用开源的方式做得更通用。

核心差异：

维度	Claude Code	Deep Agents
开源	❌ 闭源	✅ MIT 协议
模型	仅 Claude	任意 LLM
可定制	有限	完全可定制
可嵌入	❌	✅ SDK 形式
LangGraph	❌	✅ 原生
价格	$20/月起	免费

Deep Agents 本质上就是把 Claude Code 背后的"为什么好用"抽象成了通用模式——规划工具、文件系统、子代理、详细 prompt——然后让它能在任何模型、任何场景下工作。

这种思路太对了我都想拍大腿。与其做一个更好的 Claude Code，不如让任何人都能用任何模型做出自己的 Claude Code。

---

作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。

本文首发于 AI人工智能时代，转载请注明出处。