LangChain DeepAgents 速通指南（六）—— DeepAgents SubAgent 子智能体机制

前言上篇文章《LangChain DeepAgents 速通指南五—— 快速了解DeepAgents框架及其核心特性》介绍了 DeepAgents 在任务规划、上下文管理、子智能体并行执行等方面的强大能力仅需少量代码即可构建出复杂的智能体。上篇的案例演示也展示了一个有趣的现象即便没有明确定义子智能体DeepAgents 也能自行创建并执行子智能体。这种自动行为在简单任务场景下非常实用。不过当面对更复杂的任务时更好的做法是主动定义好各个子智能体以及它们之间的协同方式。为此DeepAgents 提供了完善的子智能体功能支持。本期分享笔者就和大家一起深入探讨 DeepAgents 的子智能体系统它到底是什么如何创建以及在什么场景下该使用它一、子智能体的核心价值1.1 为什么需要子智能体参与上期文章提到DeepAgents 实现了 LangChaincreate_agent从简单到复杂应用的华丽升级。而子智能体功能正是 DeepAgents 框架的核心能力之一。在构建复杂的智能体应用时大家常常面临一个难题随着任务步骤增多单一智能体的上下文会变得臃肿不仅影响性能还容易让模型“迷失”在细节中。对此DeepAgents 给出的解决方案之一就是引入子智能体。在 DeepAgents 中主智能体可以将任务委派给各个子智能体这样做有两个明显的好处保持主智能体的上下文清爽—— 子任务的执行细节不会挤占主智能体的上下文 token 窗口实现了上下文的隔离。子智能体更专注—— 每个子智能体只负责某一特定职责配合针对性的工具可以显著提升任务执行的效率与成功率。当构建一个 DeepAgent 时除了配置主智能体的模型和工具还可以为其配备各种职责的子智能体而每个子智能体要配置与其职责相对应的工具。1.2 DeepAgents 子智能体的执行原理DeepAgents 在构建时会自动注入一个名为task的工具该工具负责选择合适的子智能体去执行某项任务。子智能体的上下文与主智能体完全隔离——子智能体的中间执行过程不会暴露给主智能体只将最终结果传递给主智能体。这就保证了主智能体的上下文中不包含过多不必要的子任务细节使其能够更专注于高层的任务协调与规划。大家不妨回忆一下上期文章《LangChain DeepAgents 速通指南五—— 快速了解DeepAgents框架及其核心特性》中的案例主智能体使用task工具调用两个子智能体分别去搜集伊朗和美国的情况得到结果后主智能体只需对结果进行总结提炼即可。二、DeepAgents 子智能体的创建与配置方式DeepAgents 作为一款便捷高效的深度智能体搭建框架提供了两种创建子智能体的方式能够满足从快速原型验证到精细定制开发的不同需求。方法一基于字典的基本创建首先创建模型与工具对象。这里同样使用 DeepSeek 模型并创建一个模拟网络搜索的工具。fromdotenvimportload_dotenvfromdeepagentsimportcreate_deep_agentfromlangchain_core.toolsimporttoolfromlangchain_deepseekimportChatDeepSeek load_dotenv()tooldefinternet_search():print(模拟网络搜索功能)modelChatDeepSeek(modeldeepseek-chat,)使用 Python 字典形式配置子智能体SubAgent包括name、description、system_prompt和tools等字段。其中name是子智能体的名字description非常重要主智能体会通过它了解每个子智能体的功能system_prompt用于让子智能体明确自身的职责tools则用于为每个子智能体配备针对性的工具。除了这些必备参数还有一些可选参数model可以为该子智能体单独配置模型若不配置则默认与主智能体使用同一模型middleware用于为子智能体配置所需的中间件interrupt_on用于为子智能体配置“人在回路”机制。这些与普通 Agent 的创建方式相同这里不再赘述。internet_subagent{name:internet_agent,description:实用网络工具从网络中搜索信息,system_prompt:你是一个网络搜索智能体擅长从网络中搜索主智能体需要的关键信息,tools:[internet_search],model:model}最后将配置好的子智能体列表传入create_deep_agent函数即可完成智能体的创建。agentcreate_deep_agent(modelmodel,subagents[internet_subagent])方法二编译后的子智能体大家很多时候已经使用langchaincreate_agent创建了很多子智能体要想把这些子智能体有机结合起来解决复杂任务当然也可以使用DeepAgent。当遇到更灵活、更具定制性的需求时可以先通过标准的create_agent函数在外部创建一个子智能体对象参数配置与大家熟悉的 LangChaincreate_agent方式完全相同。fromdotenvimportload_dotenvfromdeepagentsimportcreate_deep_agent,CompiledSubAgentfromlangchain_core.toolsimporttoolfromlangchain_deepseekimportChatDeepSeekfromlangchain.agentsimportcreate_agent load_dotenv()tooldefinternet_search():print(模拟网络搜索功能)modelChatDeepSeek(modeldeepseek-chat,)custom_agentcreate_agent(modelmodel,tools[internet_search],system_prompt你是一个网络搜索智能体)为创建好的智能体通过CompiledSubAgent编译为子智能体并为该子智能体添加名称与描述以确保主智能体能够理解其职责。research_subagent{name:research-agent,description:用于深度搜索网络信息,system_prompt:你是一个网络搜索大师可以调用网络搜索工具搜索用户想了解的内容,tools:[internet_search],}summary_agentcreate_agent(modelmodel,system_prompt你用来根据现有资料总结并提供用户想要的短篇报告)summary_subagentCompiledSubAgent(namesummary-agent,description用来根据提供的新闻或搜索信息编写短篇报告500字以内,runnablesummary_agent)最后将编译好的子智能体对象传入主智能体。agentcreate_deep_agent(modelmodel,subagents[custom_subagent])这种方式可以实现更精细的自定义比如为子智能体单独配置回调、检查点等高级功能。三、DeepAgents 子智能体实战要充分掌握 DeepAgents 子智能体的开发方法动手实践是最好的途径。笔者将通过一个名为“国际情报分析师”的小 Demo带大家掌握 DeepAgents SubAgent 功能的使用方法。1. 下载依赖包本项目会用到tavily搜索工具。在deepagents环境目录下执行pip install tavily-python安装 Tavily 搜索依赖同时将 Tavily 官网上注册的 API Key 填入项目文件夹下的.env环境文件中。关于 Tavily 搜索工具的注册与使用可以参考笔者的文章《深入浅出 LangChain AI Agent 智能体开发教程六——两行代码 LangChain Agent API 快速搭建智能体》。2. 导入依赖包定义模型和搜索工具importosfromtypingimportLiteralfromdotenvimportload_dotenvfromdeepagentsimportcreate_deep_agent,CompiledSubAgentfromlangchain_core.toolsimporttoolfromlangchain_deepseekimportChatDeepSeekfromlangchain.agentsimportcreate_agentfromtavilyimportTavilyClient load_dotenv()tavily_clientTavilyClient(api_keyos.getenv(TAVILY_API_KEY))modelChatDeepSeek(modeldeepseek-chat,)tooldefinternet_search(query:str,max_results:int5,topic:Literal[general,news,finance]general,include_raw_content:boolFalse,):使用 Tavily API 执行互联网搜索获取实时或最新的网络信息。 当需要回答需要当前新闻、最新数据或超出模型知识范围的外部信息时 可以使用此工具进行联网搜索。支持普通网页搜索、新闻搜索和金融领域搜索。 Args: query (str): 要搜索的问题或关键词应清晰、具体地描述所需信息。 max_results (int, optional): 返回的最大搜索结果数量。默认为 5。 topic (Literal[general, news, finance], optional): 搜索主题类型。 - general通用网页搜索适用于大部分事实性、常识性问题。 - news新闻搜索获取近期相关新闻报道。 - finance金融领域搜索适用于股票、经济、公司财务等信息。 默认为 general。 include_raw_content (bool, optional): 是否在结果中包含原始网页正文内容。 设为 True 会返回更详细的页面文本可能较长默认为 False。 Returns: dict: Tavily API 返回的搜索结果对象。通常包含以下字段 - results: 列表每个元素包含 title、url、content摘要等。 - query: 原始查询字符串。 - 若 include_raw_content 为 True还可能包含 raw_content 字段。 returntavily_client.search(query,max_resultsmax_results,include_raw_contentinclude_raw_content,topictopic,)3. 编写搜索子智能体和总结分析智能体这里分别使用基于字典创建与编译子智能体两种方法。research_subagent{name:research-agent,description:用于深度搜索网络信息,system_prompt:你是一个网络搜索大师可以调用网络搜索工具搜索用户想了解的内容,tools:[internet_search],}summary_agentcreate_agent(modelmodel,system_prompt你用来根据现有资料总结并提供用户想要的短篇报告)summary_subagentCompiledSubAgent(namesummary-agent,description用来根据提供的新闻或搜索信息编写短篇报告500字以内)4. 创建 DeepAgent 智能体并传入子智能体agentcreate_deep_agent(modelmodel,subagents[research_subagent,summary_subagent])5. 执行任务并观察输出不知道大家最近有没有和笔者一样每天都在为“朗哥”与“老美”的对抗而揪心今天笔者就通过一个任务来论证“伊朗必胜美国必败”的原因。格式化输出的程序与上篇文章《LangChain DeepAgents 速通指南五—— 快速了解 DeepAgents 框架及其核心特性》中的一致这里不再赘述step_num0query请分析2026年4月3日伊朗和美国战事的情况并撰写短篇报告分析为什么美国注定失败500字以内的报告foreventinagent.stream({messages:[{role:user,content:query}]},stream_modevalues):...6. 观察执行结果首先主智能体将任务分配给子智能体进行查询并总结结果信息搜集完成后主智能体调用了另一个子智能体来撰写报告最终撰写的报告分析了美国必定失败的原因——只能说“朗哥”厉害四、子智能体适用场景 vs. 不适用场景子智能体能够有效解决上下文膨胀问题将子任务中的局部冗余信息与主任务流程隔离开来。它主要适用于以下场景多步骤任务—— 避免单一智能体的上下文变得杂乱。专业领域—— 需要特殊说明或使用特定工具的子任务。多模型混合—— 需要综合使用不同模型以提升整体性能。高层协调—— 希望主智能体更专注于规划与协调而非执行细节。但子智能体也不是万能的。以下场景不建议使用简单的单步任务—— 引入子智能体反而会增加复杂度和开销。依赖中间细节—— 如果任务的最终完成高度依赖中间步骤的大量详尽信息上下文的隔离会导致关键信息丢失。成本敏感任务—— 由于子智能体的上下文完全独立主智能体中的一些历史信息可能会在子智能体中被重复获取从而导致不必要的成本增加。注意任何 DeepAgents 对象在创建后内部都已默认配备了一个名为general_purpose的子智能体。这个默认子智能体共享与主智能体完全相同的模型、工具和系统提示词。这既解释了上期文章《LangChain DeepAgents 速通指南五—— 快速了解DeepAgents框架及其核心特性》中“未传入子智能体也能并行调用子智能体完成任务”的现象也提醒大家对于每一个你自定义的 SubAgent其description字段必须写得清晰明确否则主智能体可能会错误地选择默认的通用子智能体而不是你期望的那一个。以上就是本期分享的全部内容本文的全部代码可关注笔者的同名微信公众号大模型真好玩每期分享涉及的代码均可在公众号私信:LangChain智能体开发免费获取。五、总结本期分享了DeepAgents的子智能体机制子智能体机制通过上下文隔离与职责分离有效解决复杂任务中的上下文膨胀问题。本文介绍了两种创建方式字典配置与编译子智能体并通过实战案例展示了搜索与报告撰写分工。合理使用子智能体能提升效率但简单任务或成本敏感场景需谨慎确保务必为每个子智能体配置清晰的description~。下期内容笔者将分享DeepAgents的流式输出机制学会流式输出机制大家就可以合理的控制智能体系统后端的输出敬请期待本系列相关内容均列于笔者的专栏《深入浅出LangChainLangGraph AI Agent 智能体开发》该专栏适合所有对 LangChain 感兴趣的学习者无论之前是否接触过 LangChain。该专栏基于笔者在实际项目中的深度使用经验系统讲解了使用LangChain/LangGraph如何开发智能体目前已更新 43 讲并持续补充实战与拓展内容。欢迎感兴趣的同学关注笔者的CSDN账号与专栏也可关注笔者的同名微信公众号大模型真好玩每期分享涉及的代码均可在公众号私信: LangChain智能体开发免费获取。