Skip to content
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

Deep Agents
from deepagents import create_deep_agent
from langchain_core.tools import tool
@tool
def 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.

Bereit, mit Deep Agents zu bauen?

Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem Deep Agents — FastAPI + Next.js, Auth, Streaming und mehr.

Loslegen

Bereit, deinen ersten Produktions-KI-Agenten zu bauen?

Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.