DeepAgents 生产级代理框架

解决什么问题

长任务代理最常见的失败不是单步推理，而是状态、上下文和动作边界随着步骤变长而失控。一个能跑几十步的任务需要持续维护计划、读写中间产物、调用外部工具，并在高风险操作前保留人工确认。如果只有裸模型循环，很容易出现上下文遗忘、重复劳动、工具调用未经审查、模型或环境切换后行为漂移等问题。

技能如何工作

该技能围绕 DeepAgents 组装生产级代理 harness，入口是 create_deep_agent。它把代理拆成几个可运营的结构：规划用于把长期目标分解为阶段和待办；工具负责实际执行，例如在自选沙箱中进行 Shell 访问、读写文件；工作流结构让多步任务保持顺序和可追踪。工具调用执行前支持 人工介入：先批准、编辑或拒绝，再进入执行。

使用方式偏工程化：先明确长期任务、所需工具和权限边界，再提供模型提供商凭证，把可执行动作放进沙箱，随后把代理接到自己的工作流里。团队可以添加自定义工具、更换模型、修改提示词、配置子代理，并让代理在执行中管理自身上下文。

适用边界与注意点

它适合需要规划、文件操作、工具编排和逐步审查的长期代理任务，但前提是环境已具备 DeepAgents、模型提供商凭证和工作流工具。人工确认会引入额外延迟，不能把所有工具调用默认视为自动放行。模型差异可能影响规划粒度和工具选择，因此需要针对自己的任务做评测。生产落地还要补齐持久化、可观测性、重试、密钥管理和安全策略；该技能描述没有把这些治理能力当作默认保证。