Deep Agents：LangChain 生态中开箱即用的智能体框架说明

用途与定位

Deep Agents 是 LangChain 开源的一个智能体框架（agent harness），定位为开箱即用、带主观默认配置的实现，同时允许扩展、覆盖或替换任意组件。按来源说法，它构建在 LangGraph 之上，并可借助 LangSmith 进行追踪、评估与部署。

主要能力

来源列出的功能包括：子智能体（把任务委派给拥有独立上下文的智能体）、文件系统（在可插拔的本地、沙箱或远程后端读写、编辑与搜索）、上下文管理（对长对话做摘要、把工具输出落盘）、Shell 访问、持久记忆（跨会话召回）、人在回路（工具调用前批准、修改或拒绝）、可按需加载的技能，以及自带函数或接入 MCP 服务器。

层级关系与适用场景

来源说明三者的层次：LangGraph 是图运行时，LangChain 的 create_agent 是其上的轻量框架，Deep Agents 则是在 create_agent 之上更偏主观默认的封装。需要规划、上下文管理与任务委派等完整能力时可选 Deep Agents；想要更轻量封装时可用 create_agent；需要自定义图结构时可直接使用 LangGraph。由于任何 LangGraph 的 CompiledStateGraph 都可作为子智能体传入，自定义编排可与默认能力并存。

模型与生产使用

来源称其与模型无关，任何支持工具调用的模型均可使用，包括前沿 API、托管开放权重模型以及通过 Ollama、vLLM、llama.cpp 自托管的模型。来源同时表示可用于生产环境，但这是其自身说明，未经独立验证。

限制与待核实

需要区分的是：Deep Agents 与 Deep Agents Code（可执行的编码智能体）是两个不同事物，后者在来源中另有说明。来源给出的是概述性文档，未提供基准测试结果，也未说明具体版本号与兼容性细节。安全模型为“信任 LLM”，来源建议在工具与沙箱层面而非依赖模型自律来设置边界。上述功能与生产就绪性均以来源自述为准，实际效果需自行核实。