> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 快速开始

> 在几分钟内构建你的第一个深度智能体

本指南将引导你创建一个具备规划、文件系统工具和子智能体能力的首个深度智能体。你将构建一个能够进行研究并撰写报告的研究智能体。

<Tip>
  **正在使用 AI 编程助手？**

  * 安装 [LangChain Docs MCP 服务器](/use-these-docs)，让你的智能体能够访问最新的 LangChain 文档和示例。
  * 安装 [LangChain Skills](https://github.com/langchain-ai/langchain-skills)，以提升你的智能体在 LangChain 生态系统任务上的表现。
</Tip>

## 先决条件

开始之前，请确保你拥有来自模型提供商（例如 Anthropic、OpenAI）的 API 密钥。

<Note>
  深度智能体需要一个支持 [工具调用](/oss/python/langchain/models#tool-calling) 的模型。有关如何配置你的模型，请参阅 [自定义](/oss/python/deepagents/customization#model)。
</Note>

### 步骤 1：安装依赖项

<CodeGroup>
  ```bash pip theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  pip install deepagents tavily-python
  ```

  ```bash uv theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  uv init
  uv add deepagents tavily-python
  uv sync
  ```
</CodeGroup>

<Note>
  本指南使用 [Tavily](https://tavily.com/) 作为示例搜索提供商，但你可以替换为任何搜索 API（例如 DuckDuckGo、SerpAPI、Brave Search）。
</Note>

### 步骤 2：设置你的 API 密钥

<Tabs>
  <Tab title="Anthropic">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    export ANTHROPIC_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>

  <Tab title="OpenAI">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    export OPENAI_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>

  <Tab title="Google">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    export GOOGLE_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>

  <Tab title="OpenRouter">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    export OPENROUTER_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>

  <Tab title="Fireworks">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    export FIREWORKS_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>

  <Tab title="Baseten">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    export BASETEN_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>

  <Tab title="Ollama">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    # 本地：Ollama 必须正在运行 (https://ollama.com)
    # 云端：为托管推理设置你的 Ollama API 密钥
    export OLLAMA_API_KEY="your-api-key"
    export TAVILY_API_KEY="your-tavily-api-key"
    ```
  </Tab>
</Tabs>

### 步骤 3：创建一个搜索工具

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import os
from typing import Literal
from tavily import TavilyClient
from deepagents import create_deep_agent

tavily_client = TavilyClient(api_key=os.environ["TAVILY_API_KEY"])

def internet_search(
    query: str,
    max_results: int = 5,
    topic: Literal["general", "news", "finance"] = "general",
    include_raw_content: bool = False,
):
    """运行网页搜索"""
    return tavily_client.search(
        query,
        max_results=max_results,
        include_raw_content=include_raw_content,
        topic=topic,
    )
```

### 步骤 4：创建一个深度智能体

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
# 系统提示，引导智能体成为专家研究员
research_instructions = """你是一位专家研究员。你的工作是进行深入研究，然后撰写一份精炼的报告。

你可以使用互联网搜索工具作为收集信息的主要手段。

## `internet_search`

使用此工具运行给定查询的互联网搜索。你可以指定要返回的最大结果数、主题以及是否包含原始内容。
"""
```

从你的提供商中选择一个模型。默认情况下，`create_deep_agent` 使用 `claude-sonnet-4-6`。传递一个 `model` 字符串以使用不同的提供商——完整列表请参阅 [推荐模型](/oss/python/deepagents/models#suggested-models)。

<Tabs>
  <Tab title="Anthropic">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="anthropic:claude-sonnet-4-6",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>

  <Tab title="OpenAI">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="openai:gpt-5.4",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>

  <Tab title="Google">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="google_genai:gemini-3.1-pro-preview",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>

  <Tab title="OpenRouter">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="openrouter:anthropic/claude-sonnet-4-6",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>

  <Tab title="Fireworks">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="fireworks:accounts/fireworks/models/qwen3p5-397b-a17b",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>

  <Tab title="Baseten">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="baseten:zai-org/GLM-5",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>

  <Tab title="Ollama">
    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    agent = create_deep_agent(
        model="ollama:devstral-2",
        tools=[internet_search],
        system_prompt=research_instructions,
    )
    ```
  </Tab>
</Tabs>

### 步骤 5：运行智能体

```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
result = agent.invoke({"messages": [{"role": "user", "content": "What is langgraph?"}]})

# 打印智能体的响应
print(result["messages"][-1].content)
```

## 工作原理

你的深度智能体会自动：

1. **规划其方法**：使用内置的 [`write_todos`](/oss/python/deepagents/harness#planning-capabilities) 工具来分解研究任务。
2. **进行研究**：通过调用 `internet_search` 工具来收集信息。
3. **管理上下文**：使用文件系统工具（[`write_file`](/oss/python/deepagents/harness#virtual-filesystem-access)、[`read_file`](/oss/python/deepagents/harness#virtual-filesystem-access)）来卸载大型搜索结果。
4. **生成子智能体**：根据需要将复杂的子任务委托给专门的子智能体。
5. **综合报告**：将发现整理成连贯的响应。

## 示例

有关你可以使用深度智能体构建的智能体、模式和应用，请参阅 [示例](https://github.com/langchain-ai/deepagents/tree/main/examples)。

## 流式传输

深度智能体内置了 [流式传输](/oss/python/langchain/streaming/overview) 功能，可通过 LangGraph 实时更新智能体执行状态。
这允许你逐步观察输出，并审查和调试智能体及子智能体的工作，例如工具调用、工具结果和 LLM 响应。

## 后续步骤

现在你已经构建了第一个深度智能体：

* **自定义你的智能体**：了解 [自定义选项](/oss/python/deepagents/customization)，包括自定义系统提示、工具和子智能体。
* **添加长期记忆**：启用跨对话的 [持久记忆](/oss/python/deepagents/memory)。
* **部署到生产环境**：了解 LangGraph 应用的 [部署选项](/oss/python/langgraph/deploy)。

***

<div className="source-links">
  <Callout icon="edit">
    [Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\deepagents\quickstart.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose).
  </Callout>

  <Callout icon="terminal-2">
    [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.
  </Callout>
</div>