DeepAgents JS 使用指南

概述

DeepAgents 是基于 LangGraph 的 Agent 框架，提供：

模块化中间件架构
多种后端存储方案
子代理任务委派
人机交互审批流程
长期记忆持久化
技能系统

快速开始

安装

npm install deepagents @langchain/core @langchain/anthropic zod

基础 Agent

import { createDeepAgent, StateBackend } from "deepagents";
import { tool } from "@langchain/core/tools";
import { z } from "zod";

// 定义工具
const myTool = tool(
  async ({ input }) => {
    return `处理结果: ${input}`;
  },
  {
    name: "my_tool",
    description: "工具描述",
    schema: z.object({
      input: z.string().describe("输入参数"),
    }),
  }
);

// 创建 Agent
const agent = createDeepAgent({
  name: "my-agent",
  model: "claude-sonnet-4-20250514",
  tools: [myTool],
  systemPrompt: "你是一个助手。",
  backend: new StateBackend(),
});

// 调用
const config = { configurable: { thread_id: "session-1" } };
const result = await agent.invoke(
  { messages: [{ role: "user", content: "你好" }] },
  config
);

后端存储

StateBackend（默认）

临时存储，数据保存在 Agent 状态中，线程结束后丢失。

import { StateBackend } from "deepagents";

const agent = createDeepAgent({
  backend: new StateBackend(),
});

FilesystemBackend

基于本地文件系统的持久化存储。

import { FilesystemBackend } from "deepagents";

const agent = createDeepAgent({
  backend: new FilesystemBackend({
    rootDir: "./agent-data",
  }),
});

StoreBackend

基于 LangGraph Store 的持久化存储，支持跨线程访问。

import { StoreBackend } from "deepagents";
import { InMemoryStore } from "@langchain/langgraph-checkpoint";

const store = new InMemoryStore();

const agent = createDeepAgent({
  store,
  backend: (config) => new StoreBackend(config),
});

CompositeBackend（混合存储）

组合多个后端，按路径前缀路由。

import { CompositeBackend, StateBackend, StoreBackend } from "deepagents";

const agent = createDeepAgent({
  store: new InMemoryStore(),
  backend: (config) => new CompositeBackend(
    new StateBackend(config),           // 默认：临时存储
    { "/memories/": new StoreBackend(config) }  // /memories/ 路径：持久化
  ),
});

路径路由规则：

/memories/* → 持久化存储（跨线程）
其他路径 → 临时存储（仅当前线程）

中间件

createDeepAgent 默认附加三个中间件：

TodoListMiddleware - 任务规划
FilesystemMiddleware - 文件操作
SubAgentMiddleware - 子代理委派

TodoList 中间件

提供 write_todos 工具用于任务管理。

import { createAgent, todoListMiddleware } from "langchain";

const agent = createAgent({
  model: "claude-sonnet-4-20250514",
  middleware: [
    todoListMiddleware({
      systemPrompt: "使用 write_todos 工具来...",
    }),
  ],
});

Filesystem 中间件

提供四个文件操作工具：

ls - 列出文件
read_file - 读取文件
write_file - 创建文件
edit_file - 编辑文件

import { createFilesystemMiddleware } from "deepagents";

const agent = createAgent({
  middleware: [
    createFilesystemMiddleware({
      backend: undefined,  // 可选自定义后端
      systemPrompt: "当需要保存信息时写入文件系统...",
      customToolDescriptions: {
        ls: "使用 ls 工具来...",
        read_file: "使用 read_file 工具来...",
      },
    }),
  ],
});

SubAgent 中间件

启用任务委派给专门的子代理。

import { createSubAgentMiddleware } from "deepagents";

const agent = createAgent({
  middleware: [
    createSubAgentMiddleware({
      defaultModel: "claude-sonnet-4-20250514",
      defaultTools: [],
      subagents: [
        {
          name: "weather",
          description: "获取城市天气信息",
          systemPrompt: "使用 get_weather 工具获取天气",
          tools: [getWeather],
          model: "gpt-4o",  // 可选：覆盖默认模型
        },
      ],
    }),
  ],
});

子代理 (Subagents)

子代理用于任务委派，保持主代理上下文清洁。

使用场景

适合使用：

多步骤任务（避免主上下文膨胀）
需要专门指令/工具的领域
需要不同模型能力的任务

不适合：

简单单步任务
需要中间上下文的场景

字典式子代理

const researchSubagent = {
  name: "research-agent",
  description: "深度研究问题",
  systemPrompt: "你是一个优秀的研究员",
  tools: [internetSearch],
  model: new ChatAnthropic({ model: "claude-sonnet-4-20250514" }),
};

const agent = createDeepAgent({
  model: new ChatAnthropic({ model: "claude-sonnet-4-20250514" }),
  subagents: [researchSubagent],
});

CompiledSubAgent

使用预构建的 LangGraph 图作为子代理：

import { CompiledSubAgent } from "deepagents";

const customSubagent: CompiledSubAgent = {
  name: "data-analyzer",
  description: "复杂数据分析任务",
  runnable: customGraph.compile(),
};

通用子代理

DeepAgents 自动提供 general-purpose 子代理：

共享主代理的系统提示
访问相同工具
用于上下文隔离

人机交互 (Human-in-the-Loop)

配置敏感工具需要人工审批。

配置

import { MemorySaver } from "@langchain/langgraph";

const agent = createDeepAgent({
  model: "claude-sonnet-4-20250514",
  tools: [deleteFile, sendEmail],
  interruptOn: {
    delete_file: true,
    send_email: { allowedDecisions: ["approve", "reject"] },
  },
  checkpointer: new MemorySaver(),  // 必需！
});

决策类型

approve - 使用原参数执行
edit - 修改参数后执行
reject - 跳过工具调用

处理中断

import { Command } from "@langchain/langgraph";

let result = await agent.invoke({
  messages: [{ role: "user", content: "删除 temp.txt" }]
}, config);

if (result.__interrupt__) {
  const decisions = [{ type: "approve" }];
  result = await agent.invoke(
    new Command({ resume: { decisions } }),
    config
  );
}

长期记忆

使用 CompositeBackend 实现跨线程持久化。

配置

const agent = createDeepAgent({
  store: new InMemoryStore(),
  backend: (config) => new CompositeBackend(
    new StateBackend(config),
    { "/memories/": new StoreBackend(config) }
  ),
});

跨线程访问

// 线程 1: 写入
await agent.invoke({
  messages: [{ role: "user", content: "保存偏好到 /memories/prefs.txt" }],
}, { configurable: { thread_id: "thread-1" } });

// 线程 2: 读取（不同会话）
await agent.invoke({
  messages: [{ role: "user", content: "读取我的偏好" }],
}, { configurable: { thread_id: "thread-2" } });

用例

用户偏好: /memories/user_preferences.txt
自改进指令: /memories/instructions.txt
知识库: /memories/research/notes.txt

技能系统 (Skills)

技能是可复用的 Agent 能力，遵循 Agent Skills 标准。

目录结构

skills/
├── langgraph-docs/
│   └── SKILL.md
└── arxiv_search/
    ├── SKILL.md
    └── arxiv_search.ts

SKILL.md 格式

---
name: skill-name
description: 技能描述
---

# 技能标题

详细使用说明...

配置技能

const agent = await createDeepAgent({
  skills: ["/skills/"],
});

技能 vs 工具

场景	选择
大量上下文需要减少 token	技能
多能力捆绑	技能
简单原子操作	工具

最佳实践

子代理描述

// ✅ 好
"分析财务数据并生成投资建议"

// ❌ 差
"处理财务"

最小化工具集

// ✅ 好: 专注
const emailAgent = {
  name: "email-sender",
  tools: [sendEmail, validateEmail],
};

// ❌ 差: 分散
tools: [sendEmail, webSearch, databaseQuery]

按任务选模型

const subagents = [
  { name: "contract-reviewer", model: "claude-sonnet-4-20250514" },
  { name: "quick-lookup", model: "gpt-4o-mini" },
];

生产环境存储

import { PostgresStore } from "@langchain/langgraph-checkpoint-postgres";

const store = new PostgresStore({
  connectionString: process.env.DATABASE_URL,
});

deepagents-guide