Deep Agents
Research-Agent mit Deep Agents
Erstellen Sie einen autonomen Research-Agenten, der das Web durchsucht, Ergebnisse synthetisiert und strukturierte Berichte erstellt — mit Deep Agents.
researchweb searchreportsautomation
Funktionierender Code
from deepagents import create_deep_agentfrom langchain_core.tools import tool
@tooldef web_search(query: str, max_results: int = 3) -> str: """Search the web for current information.""" from tavily import TavilyClient client = TavilyClient() results = client.search(query, max_results=max_results) return "\n\n".join( f"**{r['title']}**\n{r['content']}" for r in results["results"] )
agent = create_deep_agent( model="anthropic:claude-sonnet-4-5-20250929", tools=[web_search], system_prompt="You are a research assistant. Search the web to gather information, then synthesize findings into a structured report with citations.",)
result = agent.invoke({ "messages": [("user", "Compare the latest developments in AI agent frameworks in 2025")]})print(result["messages"][-1].content)Schritt für Schritt
1
Abhängigkeiten installieren
Installieren Sie Deep Agents und die benötigten Tools für diesen Anwendungsfall.
2
Tools definieren
Erstellen Sie domänenspezifische Tool-Funktionen, die Ihr Agent zur Interaktion mit externen Diensten verwenden wird.
3
Agent erstellen und ausführen
Initialisieren Sie den Deep Agents-Agenten mit Ihren Tools, setzen Sie den System-Prompt und führen Sie eine Abfrage aus.
Mit anderen Frameworks bauen
Weitere Anleitungen mit Deep Agents
Bereit, mit Deep Agents zu bauen?
Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem Deep Agents — FastAPI + Next.js, Auth, Streaming und mehr.
LoslegenBereit, deinen ersten Produktions-KI-Agenten zu bauen?
Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.