Deep Agents 实战：从零构建生产级 AI Agent

本书源自开源项目 datawhalechina/deepagents-in-action（Deep Agents 实战——LangChain 官方认证大使出品），由 LangChain / LangGraph 生态的中文开源课程整理而成。

关于这本书

这是一本实战教程书。它不满足于告诉你 Deep Agents 有哪些 API，而是带着你从零构建一个生产级的 AI Agent 系统，并在每一步讲清楚"为什么 Deep Agents 要这样设计"。

这本书的读者是：有 Python 基础、想用 LangChain / LangGraph 生态搭建 Agent 系统的工程师。读完这本书，你不仅能熟练使用 Deep Agents，还能理解现代 Agent 框架背后的一整套设计取舍——从 Agent Runtime 到 Harness，从虚拟文件系统到沙箱执行。

一句话论点

在 Agent 开发领域已经有那么多框架的今天，Deep Agents 存在的理由，是把"Agent 怎么可靠地运行"这件底层的事做到极致：虚拟文件系统管理上下文、任务规划拆解复杂任务、子 Agent 实现委派与隔离、Skills 沉淀可复用能力——这才是生产级 Agent 该有的样子。

全书结构（16 章正文 + 2 篇准备 + 版本演进）

本课程基于 LangChain / LangGraph 技术栈，把 Agent 开发划分为三个层次来理解：Agent Runtime（运行时层，LangGraph） 解决"Agent 怎么可靠地运行"，LangChain（框架层） 提供工具与模型生态，Deep Agents（Harness 层） 则是本系列课程的主角——一个生产级的 Agent 脚手架。

章节导航

准备篇

• 准备篇（上）：AgentSeek——用生命周期工作流启动 DeepAgents 模板
• 准备篇（下）：为 AI 编码助手安装开发技能（langchain-dev-guide / langsmith-trace）

第一部分：从框架到 Harness（第 1-3 章）

• 第 1 章 从 Agent Framework 到 Agent Harness：Deep Agents 的诞生逻辑，Agent 开发的三个层次
• 第 2 章 快速上手：5 分钟构建你的第一个 Deep Agent——能搜索网络、撰写报告的研究助手
• 第 3 章 虚拟文件系统：Deep Agents 的 Context Engineering 核心，六大文件工具与上下文自动管理

第二部分：核心能力（第 4-8 章）

• 第 4 章 任务规划与分解：write_todos 让 Agent 学会拆解复杂任务、追踪进度
• 第 5 章 子 Agent 与上下文隔离：让主 Agent 学会"委派"，防止上下文爆炸
• 第 6 章 异步子 Agent：主 Agent 同时驱动多个子任务，随时问进度、中途取消
• 第 7 章 Skills：可复用的 Agent 能力包——多步骤工作流 + 领域知识 + 模板资源
• 第 8 章 长期记忆：让 Agent 拥有跨对话的记忆，Checkpointer 与共享存储

第三部分：安全与生产（第 9-12 章）

• 第 9 章 Human-in-the-Loop：构建安全的人机协作流程，为敏感操作添加人工审批
• 第 10 章 沙箱执行：让 Agent 安全地运行代码，宿主机的文件、进程和凭证留在边界之外
• 第 11 章 文件系统权限：用声明式规则控制 Agent 的读写边界
• 第 12 章 MCP：用标准协议扩展 Deep Agents 工具生态，统一接入数据库与外部服务

第四部分：可观测与进阶（第 13-16 章）

• 第 13 章 评分量规：让 Agent 按验收标准自我迭代，建立独立的验收闭环
• 第 14 章 Streaming：实时观察主 Agent、子 Agent 与工具调用
• 第 15 章 Interpreters：让 Agent 用代码编排工具与数据，突破逐轮调用的局限
• 第 16 章 Dynamic Subagents：用代码编排多个 Agent，控制任务的拆分、并发与下一阶段

版本演进

• Deep Agents v0.7：更轻、更透明、更可配置的 Harness——从 0.5、0.6 到 0.7 的迁移指南