Documentation Index Fetch the complete documentation index at: https://nvd-54.mintlify.app/llms.txt
Use this file to discover all available pages before exploring further.
托管 Deep Agents 是一个以 API 为核心的托管运行时，用于在 LangSmith 中创建、运行和管理 Deep Agents。本指南将介绍完整流程：定义 Agent、配置 Tool、创建托管 Agent、创建线程、流式运行，以及在 LangSmith 中检查结果。
托管 Deep Agents 目前处于私有预览阶段。加入候补名单 以申请访问权限。 Deep Agents 为开发者提供了一个开源框架，用于构建能够规划、使用 Tool、委派给子 Agent、写入文件并在长时间范围内工作的 Agent。托管 Deep Agents 在该框架之上封装了运维层，让你可以专注于 Agent 的行为，而无需运行自定义的运行时基础设施。
有关路由级别的详细信息，请参阅 托管 Deep Agents API 参考 。
何时使用托管 Deep Agents 在以下场景中使用托管 Deep Agents：
以编程方式创建和管理 Deep Agents。
运行长时间运行的 Agent，而无需搭建自定义 Agent 服务器。
流式运行并保持持久的线程状态。
使用托管文件和 Tool。
在 LangSmith 中检查追踪和 Agent 行为。
你也可以通过标准的 LangSmith 部署 来部署 Deep Agents。当你需要自定义应用代码、自定义路由、高级认证、完整的 Agent Server API、更强的隔离控制或最大的可扩展性时，请使用该方式。 前置条件 在开始之前，请确保你具备：
托管 Deep Agents 私有预览访问权限。
一个拥有私有预览访问权限的工作区的 LangSmith API 密钥。
一个 Deep Agent 定义，包括指令和你希望托管运行时使用的任何 Tool 配置。
为本指南中的示例设置请求默认值：
export LANGSMITH_API_KEY = "<LANGSMITH_API_KEY>" export LANGSMITH_API_URL = "https://api.smith.langchain.com" export DEEPAGENTS_BASE_URL = " $LANGSMITH_API_URL /v1/deepagents"
请求需要 X-Api-Key 头：
X-Api-Key: <LANGSMITH_API_KEY>
定义 Agent 托管 Deep Agents 保持了熟悉的 Deep Agents 项目结构。将这些文件保存在你的源代码仓库中，以便你可以审查变更并在需要时重新创建托管 Agent：
文件或目录 用途 AGENTS.md定义 Agent 指令。 skills/包含 Agent 可使用的技能。 subagents/包含用于委派工作的子 Agent 定义。 tools.json为托管 Agent 配置 Tool。
对于 API 请求，在创建 Agent 的载荷中直接传递 Agent 指令和 Tool 配置。配置 Tool 时使用相同的 tools.json 格式：
{ " tools " : [ { " name " : "tavily_web_search" , " mcp_server_url " : "https://tools.langchain.com" , " mcp_server_name " : "Fleet" , " display_name " : "tavily_web_search" } ], " interrupt_config " : { " https://tools.langchain.com::tavily_web_search::Fleet " : true } }
interrupt_config 映射允许你为选定的 Tool 要求人工审批。键由 MCP 服务器 URL、Tool 名称和 MCP 服务器名称组合而成。创建托管 Agent 使用 POST /v1/deepagents/agents 创建 Agent。载荷定义了托管资源、运行时设置、指令和 Tool。
curl --request POST \ --url " $DEEPAGENTS_BASE_URL /agents" \ --header "X-Api-Key: $LANGSMITH_API_KEY " \ --header 'Content-Type: application/json' \ --data '{ "name": "research-assistant", "description": "Research assistant that can search the web and summarize sources.", "runtime": { "model": { "model_id": "anthropic:claude-sonnet-4-6" } }, "instructions": "You are a careful research assistant. Search for sources, keep notes, and return concise answers with citations.", "tools": { "tools": [ { "name": "tavily_web_search", "mcp_server_url": "https://tools.langchain.com", "mcp_server_name": "Fleet", "display_name": "tavily_web_search" } ], "interrupt_config": { "https://tools.langchain.com::tavily_web_search::Fleet": true } } }'
响应包含托管 Agent ID。请保存它以便后续请求使用：
export AGENT_ID = "<AGENT_ID>"
创建线程 在运行 Agent 之前创建一个线程。线程会为长时间运行的工作保持会话和执行状态。
curl --request POST \ --url " $DEEPAGENTS_BASE_URL /threads" \ --header "X-Api-Key: $LANGSMITH_API_KEY " \ --header 'Content-Type: application/json' \ --data '{ "agent_id": "'" $AGENT_ID "'", "options": { "test_run": false, "skip_memory_write_protection": false } }'
响应包含线程 ID：
export THREAD_ID = "<THREAD_ID>"
流式运行 使用 POST /v1/deepagents/threads/{thread_id}/runs/stream 在线程上启动工作。在请求体中包含 agent_id 并设置 Accept: text/event-stream，以便客户端通过服务器发送事件（Server-Sent Events）接收进度。
curl --request POST \ --url " $DEEPAGENTS_BASE_URL /threads/ $THREAD_ID /runs/stream" \ --header "X-Api-Key: $LANGSMITH_API_KEY " \ --header 'Accept: text/event-stream' \ --header 'Content-Type: application/json' \ --data '{ "agent_id": "'" $AGENT_ID "'", "messages": [ { "role": "user", "content": "Research recent approaches to agent memory and summarize the main tradeoffs." } ], "stream_mode": ["values", "updates", "messages-tuple"], "stream_subgraphs": true, "user_timezone": "America/Los_Angeles" }'
根据你想要构建的体验选择流模式：
流模式 用途 values步骤完成后的完整状态快照。 updatesAgent 工作时的增量状态更新。 messages-tuple用于聊天 UI 的 Token 级别消息输出。
运行会在 LangSmith 中被追踪。打开追踪记录可以检查消息、工具调用、文件、子 Agent 活动和运行时行为。
更新 Agent 当需要更新指令、运行时设置或 Tool 配置时，使用 PATCH /v1/deepagents/agents/{agent_id}。
curl --request PATCH \ --url " $DEEPAGENTS_BASE_URL /agents/ $AGENT_ID " \ --header "X-Api-Key: $LANGSMITH_API_KEY " \ --header 'Content-Type: application/json' \ --data '{ "description": "Research assistant that searches the web, reads URLs, and summarizes sources.", "runtime": { "model": { "model_id": "anthropic:claude-sonnet-4-6" } }, "instructions": "You are a careful research assistant. Search for sources, read relevant pages, keep notes, and return concise answers with citations.", "tools": { "tools": [ { "name": "tavily_web_search", "mcp_server_url": "https://tools.langchain.com", "mcp_server_name": "Fleet", "display_name": "tavily_web_search" }, { "name": "read_url_content", "mcp_server_url": "https://tools.langchain.com", "mcp_server_name": "Fleet", "display_name": "read_url_content" } ], "interrupt_config": { "https://tools.langchain.com::tavily_web_search::Fleet": true, "https://tools.langchain.com::read_url_content::Fleet": false } } }'
管理现有 Agent 列出 Agent：
curl --request GET \ --url " $DEEPAGENTS_BASE_URL /agents" \ --header "X-Api-Key: $LANGSMITH_API_KEY "
获取单个 Agent：
curl --request GET \ --url " $DEEPAGENTS_BASE_URL /agents/ $AGENT_ID " \ --header "X-Api-Key: $LANGSMITH_API_KEY "
删除 Agent：
curl --request DELETE \ --url " $DEEPAGENTS_BASE_URL /agents/ $AGENT_ID " \ --header "X-Api-Key: $LANGSMITH_API_KEY "
在 LangSmith 中检查结果 托管 Deep Agents 的运行会在 LangSmith 中被追踪，因此团队可以调试行为并检查工具调用。使用追踪记录来审查：
用户的输入和 Agent 的最终响应。
模型调用和工具调用。
子 Agent 活动。
运行期间创建的文件和运行时状态。
基于开源 Deep Agents 构建 Deep Agents 仍然是开源的。托管 Deep Agents 是为那些希望获得 Deep Agents 框架加上 LangSmith 托管运行时基础设施的团队提供的托管路径。
你可以将 Agent 定义保存在你的代码仓库中，然后使用托管 Deep Agents API 在 LangSmith 中创建和运营托管 Agent。
私有预览范围 在私有预览阶段，托管 Deep Agents 并未镜像每个 LangSmith 部署端点。集成、认证、触发器、技能和 Sandbox 等端点组尚未被镜像。
连接这些文档 到 Claude、VSCode 等工具，通过 MCP 获取实时回答。
