@sydneyrunkle: here's a quick overview of a) what is deepagents b) what makes deepagents good at complex tasks c) how to easily take o…

here’s a quick overview of

a) what is deepagents b) what makes deepagents good at complex tasks c) how to easily take one to production!

https://t.co/AO4wrjCdD0 https://t.co/kJYMUcBECn

TL;DR: DeepAgents 是一个可定制的代理框架，专为复杂现实任务设计，核心能力包括执行环境、上下文管理、委派和导向；托管版在此基础上提供生产级运行时、上下文集成和沙箱，大幅降低部署复杂度。

代理、框架与 DeepAgents

什么是代理？

代理是一个简单的模型 + 工具调用循环：模型在一个循环中调用工具，直到完成任务并返回最终结果。

什么是框架？

框架是连接模型与现实世界的一切，包括技能、记忆、基础系统提示、工具、子代理以及任何额外上下文。框架的核心职责是：为给定任务，在正确的时间，为模型提供正确的上下文。模型的能力取决于它所获得的上下文，框架正是为了弥合这一差距而存在。

为什么需要框架？

代理需要：

• 在一个可以采取行动的环境中工作（自主性）。
• 连接到用户数据，使行动与用例相关。
• 管理长时间运行中不断增长的上下文，避免上下文溢出。
• 并行化任务以高效完成复杂工作。
• 与人类交互（人在回路）以处理敏感工作流程。
• 随时间改进以保持相关性和有用性。

什么是 DeepAgents？

DeepAgents 是一个可定制的代理框架，专为复杂的现实世界任务而构建。它包含四项主要能力，下面逐一深入。

DeepAgents 框架的四个核心能力

1. 执行环境

执行环境是 DeepAgents 的支柱，一切都始于文件系统。代理使用文件系统来：

• 读写临时文件
• 加载和存储持久记忆
• 在相关时调用特定任务的技能

代理非常擅长使用文件系统（它们在被训练时大量接触代码）。通过提供沙箱或更轻量的代码解释器，代理获得一个安全的环境来编写和运行代码，从而实现更具创造性的问题解决和动态运行时行为。

2. 上下文管理

DeepAgents 内置多种机制处理上下文溢出：

• 摘要与上下文卸载：定期将大型消息（人类消息、工具结果、工具调用）驱逐到文件系统中，避免快速积累；当历史接近上下文限制时触发摘要。
• 记忆支持：记忆是最重要的上下文类型之一，它在每次运行之间变化，允许代理随时间改进。
• 与提供商无关的提示缓存：对长时间、高上下文的代理至关重要，可降低成本。
• 技能支持：通过“渐进式披露”系统——代理在系统提示中仅加载最少技能信息，然后在相关任务时动态拉取完整技能资源并调用对应脚本。

所有这些机制共同实现框架的核心目标：在正确的时间，为给定任务，向模型提供正确的上下文。

3. 委派

DeepAgents 配备规划工具，允许模型为复杂任务组织工作，并且开箱即用地支持子代理。

子代理可以是通用或专门的。例如，构建编码代理时，可附加架构设计、代码审查、测试编写等专门子代理。

子代理的重要性：

• 以隔离的上下文运行：主代理调用子代理时，子代理以全新上下文启动（仅与其任务相关），之后将精简结果返回主代理，不污染主上下文窗口。
• 支持并行化：通过并行化提高端到端任务效率。
• 可使用任何模型和任何提供商：将模型能力与任务复杂性匹配，例如主代理用 GPT-4，子代理用更便宜的模型。

4. 导向（人在回路）

DeepAgents 通过一流的人回路原语支持四种常见决策模式：

• 审批流程：例如发送邮件前批准。
• 编辑：例如发布推文前编辑内容。
• 拒绝决定：例如拒绝提议的财务交易。
• 响应模式：代理中断执行并向用户提问以解除阻塞。

人在回路对以下两点至关重要：

• 对敏感操作或工具调用获取实时用户反馈。
• 在需要用户输入以解除模型阻塞时获取反馈。

为什么选择 DeepAgents？

与提供商无关

DeepAgents 支持所有主要提供商和模型：Anthropic、OpenAI、Google，Ollama 的本地模型，以及 Fireworks、Nvidia、Open Router、Base Ten 等的开源模型。主代理和子代理可以使用不同模型，随时更换或混搭。

高度可定制

核心代理循环周围提供系统中间件（钩子），可实现：

• 定制业务逻辑
• 任意点的确定性代码
• 策略执行（如 PII 脱敏）
• 动态代理控制（如根据任务在运行时更改可用的模型和工具）

托管式 DeepAgents：生产级部署

即使框架强大，将代理投入生产仍很困难：需要长时间运行、从意外故障恢复、处理人在回路和不可预测行为、支持突发流量、保持安全态势、跟上互操作性标准。托管式 DeepAgents（私有测试版）旨在让这一切变得简单，包含四个核心支柱。

支柱一：框架

Sydney 已详细介绍的 DeepAgents 框架本身。

支柱二：运行时

托管式 DeepAgents 构建在 LangSmith 部署之上，提供：

• 端点：在任何需要的地方创建、更新、调用代理。
• 专用任务队列与水平扩展：处理高峰请求负载（如客服代理在系统宕机时突然涌入大量请求）。
• SDK：与 Copilot Kit、Assistant UI 等集成。

持久执行

基于 LangGraph 运行时，每一步都检查点持久化存储。代理可在任何检查点恢复和重新启动（例如第 49 步失败，从第 49 步继续重试）。支持从任何时间点重放和分叉代理状态，实现人工审批等高级用例。

安全与认证

• 入站认证：验证用户身份与权限。
• 出站认证：代理内部到外部服务的身份验证（如 MCP 工具）。
• 管理认证：RBAC/ABAC 控制创建、更新、管理代理的权限。

代理互操作性

• 远程图谱：通过一行代码，在自定义 LangGraph 应用中调用托管 DeepAgents 代理。
• A 到 A 协议：开箱即用支持代理间通信。
• 带到工作的地方：在深度代理代码、Cloud Desktop 等环境中使用代理。

托管运行时还处理双文本处理、中途取消等繁琐工程，让用户无需自己构建这些基础设施。

支柱三：上下文集成（上下文中心）

上下文中心对代理操作和运行中的每一个文件进行版本管理和保存，包括：

• agent.md 文件和技能
• 代理记录的关于用户的信息

团队可控制不同提升级别（预发布、生产），在不同代理之间民主地共享技能。

上下文中心与 LangSmith Engine 集成：引擎可获取 DeepAgents 的生产使用数据，进行质量改进，修改提示、系统提示或技能，从而持续改善代理行为。

支柱四：沙箱（LangSmith 沙箱）

越来越多的代理成为编码代理（或研究代理在报告中快速处理统计）。沙箱让代理在生产环境中安全地编写和运行代码，获得更具创造性的结果。

沙箱核心功能：

• 出站代理：运行时安全注入凭证，不将环境变量暴露给代理或沙箱。
• 快照与恢复：确保代理始终拥有正确的执行环境。

（更多细节将在明天的会议中由 Mikhail 深入介绍。）

Source: @sydneyrunkle: here’s a quick overview of a) what is deepagents b) what makes deepagents good at complex tasks c) how to easily take o…