DeepAgents 实测create_deep_agent 一行代码装出 Claude Code 同款「四件套」附 16 个内置工具全清单一句话先给结论DeepAgents 不是新运行时它就是create_agent的一套默认中间件组装 四件套规划、文件系统、子 agent、上下文管理底层跑的依然是 LangGraph——我实测了它的返回类型和全部 16 个内置工具文末给选型表和踩坑点。一、为什么裸 agent 不够用用 LLM 循环调用工具是最简单的 agent 形态调模型 → 模型说调工具 → 执行 → 结果塞回去 → 再调模型直到模型不再要工具。这个循环能跑通但它做不好长周期、多步任务没有规划任务拆不出步骤清单做着做着忘了目标没有外部记忆中间产物只能塞在对话历史里上下文一长就被截断没有委派子任务挤在同一个上下文窗口里互相污染。Deep Research、Manus、Claude Code 这类产品早就绕开了这个限制它们的共性是四件事规划工具、文件系统访问、子 agent、一个足够详细的 system prompt。DeepAgents 就是把这四件事打包成了通用组件。二、实测一行代码装出来先装包再验证pip install deepagentsfrom deepagents import create_deep_agent agent create_deep_agent( modelollama:qwen3:0.6b, tools[my_custom_tool], system_promptYou are a research assistant., ) print(type(agent)) # class langgraph.graph.state.CompiledStateGraph注意返回类型langgraph.graph.state.CompiledStateGraph——它就是一张 LangGraph 图。这意味着 streaming、human-in-the-loop、checkpoint、LangGraph Studio 全部开箱即用不需要学新的调用方式。16 个内置工具全清单实测 grep 源码所得类别工具说明文件系统8 个ls/read_file/write_file/edit_file/delete/glob/grep读写搜索虚拟文件系统长任务把中间产物落盘子 agent1 个task派发子任务给隔离子上下文的 subagent异步任务4 个start_async_task/check_async_task/list_async_tasks/cancel_async_task后台任务管理上下文管理1 个compact_conversation对话过长时压缩历史Shell1 个execute在沙箱里执行命令其他1 个rubric_grader按评分标准自评输出三、四件套逐个拆第一件规划工具。基于 Claude Code 的 TodoWrite 思路——工具本身不干活只是让 agent 把计划写下来放进状态。价值在于「让模型看见自己的计划」长任务不跑偏。第二件文件系统。8 个工具覆盖完整读写搜索。关键设计是后端可插拔默认是状态内存里的虚拟文件系统可以换成本地目录、沙箱或远程存储。长任务的最大瓶颈是上下文文件系统让「中间产物出上下文、落盘、按需读回」成为可能。第三件子 agent。通过task工具派发子 agent 有隔立的上下文窗口干完活只把结论带回主上下文。主 agent 不用背着子过程的全部 token。默认有一个 general-purpose 子 agent也可以自定义research_subagent { name: research-agent, description: Used to research more in depth questions, prompt: You are a dedicated researcher..., tools: [internet_search], } agent create_deep_agent(tools[...], subagents[research_subagent])第四件详细 system prompt。内置一份改编自 Claude Code 的系统提示词为长周期任务调优。用system_prompt参数可以直接覆盖或追加。四、三层怎么选选型表DeepAgents 和 LangChain、LangGraph 是同一套栈的三层别对立起来看层用什么适合场景上DeepAgents长周期、多步、需要规划和委派的任务中create_agent middleware标准 tool-calling agent自己控制中间件下LangGraph 裸图精确控制每个节点和转移的复杂工作流判断口诀任务又长又复杂 → DeepAgents标准 agent loop → create_agent要手搓每一步 → 直接写图。如果任务只是几步工具调用上 DeepAgents 反而是负担——它默认带的中间件和工具集会白白增加 token 消耗。五、踩坑点默认模型不传model时用 Anthropic 的 Claude国内环境记得显式传模型文件系统是虚拟的默认后端只存在于 agent 状态里进程结束就没了——要持久化记得换后端上下文膨胀16 个内置工具的定义全在 system prompt 里小模型容易被工具描述淹着轻量任务用裸create_agent更省子 agent 的代价每个task派发都是一次完整的子会话别把子 agent 当函数调用用。写在最后DeepAgents 的正确理解方式它回答的不是「怎么建 agent」而是「长任务 agent 默认该带什么」。规划、文件系统、子 agent、上下文管理这四件事自己做一遍要踩很多坑DeepAgents 把它们压成了一行create_deep_agent。如果你的任务会跑超过十分钟、拆出超过五个步骤值得上它否则裸create_agent就够。原创声明本文为原创文章实测基于 deepagents 0.7.20返回类型与内置工具清单均为实测所得转载请注明出处。