LangChain DeepAgents技Neng应用如何？说实话，这个问题挺有意思的，咱就是说DeepAgents作为LangChain生态中的高阶智Neng体组件，它的Neng力还是挺强的。

DeepAgent是在Agent的基础上添加了一系列插件，包括tools、skills、subagent等，其中skills和subagent等通过middleware的形式注册到智Neng体Agent，MCP服务作为tools注册到智Neng体Agent。

害，你可Neng会问，为什么要这样设计？咱就是说这样设计Ke以让智Neng体geng加灵活，Ke以根据不同的场景选择不同的工具和技Neng。

def create_deep_agent(model: str | BaseChatModel | None = None, tools: Sequence] | None = None, *, system_prompt: str | SystemMessage | None = None, middleware: Sequence = , subagents: Sequence | None = None, skills: list | None = None, ...)

你kan，这个create_deep_agent函数，它的参数是不是hen丰富？哈哈，它支持各种自定义配置，Ke以满足不同的需求。

创建DeepAgent的过程其实就是配置这些参数的过程，比如说我们需要指定模型、工具、技Neng等。

agent = create_deep_agent( model=llm, tools=tools, backend=backend, skills=, checkpointer=checkpointer, system_prompt=SYSTEM_PROMPT )

说明：模型配置放到settings里替换为自己的模型参数。

本案例的主智Neng体是基于LangChain的DeepAgents框架实现，下面我们来详细分析下它的源码。

## 穿衣建议如下： ### **所在城市**：指定城市名称 ### **天气预报**： 指定城市未来几天的天气预报，包括温度、天气状况、湿度、风速等 ### **服装建议**： 根据天气条件的服装建议选择 ### **出行建议**： 根据天气条件的出行建议选择 完整代码dress_agent.py

async def astream_main: agent = await create_agent inputs = {"messages": } step = 0 async for chunk in agent.astream: # 监控：是否加载成功 if 'SkillsMiddleware.before_agent' in chunk: count = len) print for skill in chunk.get: print} ： {skill.get}") ...

为什么百度不收录我的文章呢？哈哈，这个问题我也遇到过你Ke以检查下你的文章质量，还有meta标签这些是不是设置正确了。

提供用户和智Neng体一问一答的功Neng。

当用户提问关于位置的问题时Ke以kan到：其中获取指定城市的实时天气信息MCP服务，具体包含天气状况、温度、湿度、风向等，具体demo实现此处不作赘述。

. 目录结构：

--- name: "dress-advice" description: "建议用户根据天气条件选择合适的服装，当用户请求服装建议或旅行建议时调用。" --- # 服装建议 此技Neng帮助用户选择根据天气条件合适的服装。 ## 执行流程 ### 步骤1：获取指定城市 的天气信息 调用天气MCP工具获取指定城市的历史天气信息。 ...

它的核心函数create_deep_agent,其实就是给 LangChain 的标准智Neng体加上了这些模块。

上文描述了如何基于DeepAgent框架实现一个带有两个Skill的智Neng体，分析了该智Neng体的源码构建过程。

. SKILL.md详情：

Description: 获取用户当前所在城市的信息。当用户需要基于位置的服务或旅行建议时调用。

. ReasonLLM 接收用户问题 + 历史上下文 + 工具描述，自主判断：

. Act执行工具。

. Observe把工具返回结果丢回给 LLM，进入下一轮思考。

接下来我们进一步kankan这个智Neng体底层的DeepAgent框架本身的源码，分析下它是如何规划任务并调用Skills、Tools等工具的。

Ke以kan出Agent 的本质是基于LangGraph的一个流程图：LLM + 工具 + 动态决策循环，其基本原理如下： 说实话，这个设计挺巧妙的，你懂的。 本文原载：公众号“木昆子记录AI” 主智Neng体： 负责接收用户的需求，规划任务执行的具体步骤并迭代执行，在任务流程中自动选择调用相关技Neng/工具。当获取足够的信息后调用大模型生成答案并输出。