Deep Agents CLI 是一个基于 Deep Agents SDK 构建的开源终端编码 Agent。它保留了持久化记忆、跨会话维护上下文、学习项目约定、使用可自定义技能，并在执行代码时进行审批控制。 Deep Agents CLI Deep Agents CLI 具有以下内置功能：
  • 文件操作 - 使用使 Agent 能够管理和修改代码及文档的工具来读取、写入和编辑文件。
  • Shell 执行 - 执行命令来运行测试、构建项目、管理依赖项以及与版本控制交互。
  • 网络搜索 - 在网络上搜索最新信息和文档（需要 Tavily API 密钥）。
  • HTTP 请求 - 向 API 和外部服务发出 HTTP 请求以获取数据和集成任务。
  • 任务规划和跟踪 - 将复杂任务分解为离散步骤并跟踪进度。
  • 记忆存储和检索 - 跨会话存储和检索信息，使 Agent 能够记住项目约定和学习到的模式。
  • 上下文压缩和卸载 - 在长时间会话中总结较旧的对话消息并将其卸载到存储，释放上下文窗口空间。
  • 人工介入 - 对敏感工具操作需要人工审批。
  • 技能 - 使用自定义专业知识和指令扩展 Agent 能力。
  • MCP 工具 - 从 Model Context Protocol 服务器加载外部工具。
  • 跟踪 - 在 LangSmith 中跟踪 Agent 操作以实现可观测性和调试。

​
内置工具

Agent 附有以下内置工具，无需配置即可使用：
工具描述人工介入
ls列出文件和目录-
read_file读取文件内容；为选定模型提供多模态内容-
write_file创建或覆盖文件需要1
edit_file对现有文件进行有针对性的编辑需要1
glob查找与模式匹配的文件-
grep在文件中搜索文本模式-
execute在本地或远程沙箱中执行 shell 命令需要1
web_search使用 Tavily 进行网络搜索需要1
fetch_url获取并转换网页为 markdown需要1
task委托工作给子代理进行并行执行需要1
ask_user向用户提出自由形式或多项选择题-
compact_conversation总结较旧的消息，将原始消息卸载到后端存储，并在上下文中用摘要替换混合2
write_todos为复杂工作创建和管理任务列表-
1：潜在破坏性操作需要用户审批后才能执行。要绕过人工审批，您可以切换自动批准（Shift+Tab）或使用以下选项启动：
deepagents -y
# 或
deepagents --auto-approve
在非交互模式（通过 -n 或管道 stdin）下运行时，即使使用 -y/--auto-approve，默认也会禁用 shell 执行。使用 -S/--shell-allow-list 允许列表特定命令（例如 -S "pytest,git,make"）、recommended 以获取安全默认值，或 all 以允许任何命令。还支持 DEEPAGENTS_CLI_SHELL_ALLOW_LIST 环境变量。有关更多详细信息，请参阅非交互模式和管道。
2：当 token 使用量超过模型感知阈值时，CLI 会自动在后台卸载对话。卸载通过 LLM 总结较旧的消息，并将原始消息弹出到存储（/conversation_history/{thread_id}.md），在上下文中用摘要替换。如果需要，Agent 仍可以从卸载的文件中检索完整历史记录。compact_conversation 工具允许 Agent（或您）按需触发卸载。作为工具调用时，默认需要用户审批。
观看演示视频 了解 Deep Agents CLI 的工作方式。
Deep Agents CLI 在 Windows 上不受官方支持。Windows 用户可以尝试在 Windows Subsystem for Linux (WSL) 下运行。

​
快速入门

设置模型凭证

将提供商的 API 密钥导出为环境变量，或将其添加到 ~/.deepagents/.env：
export OPENAI_API_KEY="your-api-key"
要避免在每个终端会话中设置密钥，请将它们添加到 ~/.deepagents/.env。请参阅环境变量。
CLI 可与任何支持工具调用的 LLM 配合使用。OpenAI、Anthropic 和 Google 默认安装。对于其他提供商（Ollama、Groq、xAI 等），请参阅提供商。

安装和运行

OpenAI、Anthropic 和 Google 默认安装。其他提供商（Ollama、Groq、xAI 等）作为可选扩展提供 —— 请参阅提供商了解详情。
curl -LsSf https://raw.githubusercontent.com/langchain-ai/deepagents/refs/heads/main/libs/cli/scripts/install.sh | bash

deepagents

给 Agent 一个任务

创建一个打印 "Hello, World!" 的 Python 脚本
Agent 会先提出更改建议并显示差异以供您审批，然后再修改文件。

启用跟踪（可选）

要在 LangSmith 中查看 Agent 操作、工具调用和决策，请将以下内容添加到 ~/.deepagents/.env 或在 shell 中导出变量：
~/.deepagents/.env
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_PROJECT=optional-project-name  # 指定项目名称，默认为 "deepagents-cli"
有关设置详情和用法，请参阅使用 LangSmith 进行跟踪。

​
提供商

OpenAI、Anthropic 和 Google 开箱即用。其他提供商的安装是单独的，这样您只需引入所需的内容。 
# 向现有安装添加额外的提供商
uv tool install deepagents-cli --with langchain-xai
有关支持的提供商完整列表，请参阅模型提供商。

​
交互模式

像在聊天界面中一样自然地输入。Agent 将使用其内置工具、技能和记忆来帮助您完成任务。
在 CLI 会话中使用以下命令：
  • /model - 切换模型或打开交互式模型选择器。请参阅切换模型了解详情
  • /remember [context] - 审查对话并更新记忆和技能。可选择传递额外上下文
  • /skill:<name> [args] - 直接按名称调用技能。技能的 SKILL.md 说明与您提供的任何参数一起注入到提示中
  • /skill-creator [args] - 创建有效 Agent 技能的指南
  • /offload（别名 /compact）- 通过将消息卸载到存储并保留摘要占位符来释放上下文窗口空间。如果需要，Agent 可以从卸载的文件中检索完整历史记录
  • /tokens - 显示当前上下文窗口 token 使用情况细分
  • /clear - 清除对话历史并开始新线程
  • /threads - 浏览并恢复之前的对话线程
  • /mcp - 显示活动的 MCP 服务器和工具
  • /reload - 重新读取 .env 文件、刷新配置并重新发现技能，无需重启。对话状态被保留。请参阅 DEEPAGENTS_CLI_ 前缀 了解覆盖行为
  • /theme - 打开交互式主题选择器以切换颜色主题。可用内置主题以及任何用户定义的主题
  • /update - 检查并安装 CLI 更新。检测您的安装方法（uv、Homebrew、pip）并运行适当的升级命令
  • /auto-update - 切换自动更新开关
  • /trace - 在 LangSmith 中打开当前线程（需要 LANGSMITH_API_KEY）
  • /editor - 在外部编辑器中打开当前提示（$VISUAL / $EDITOR）。请参阅外部编辑器
  • /changelog - 在浏览器中打开 CLI 更新日志
  • /docs - 在浏览器中打开文档
  • /feedback - 打开 GitHub 问题页面以提交错误报告或功能请求
  • /version - 显示已安装的 deepagents-cli 和 SDK 版本
  • /help - 显示帮助和可用命令
  • /quit - 退出 CLI
输入 ! 进入 shell 模式，然后输入您的命令。
git status
npm test
ls -la
通用
快捷键操作
Enter提交提示
Shift+Enter、Ctrl+J、Alt+Enter 或 Ctrl+Enter插入换行符
Ctrl+A选择输入中的所有文本
@filename自动完成文件并注入内容
Shift+Tab 或 Ctrl+T切换自动批准
Ctrl+U删除到行首
Ctrl+X在外部编辑器中打开提示
Ctrl+O展开/折叠最近一次工具输出
Escape中断当前操作
Ctrl+C中断或退出
Ctrl+D退出

​
非交互模式和管道

使用 -n 运行单个任务而不启动交互式 UI： 
deepagents -n "Write a Python script that prints hello world"
您也可以通过 stdin 管道输入。当输入被管道传输时，CLI 会自动以非交互模式运行： 
echo "Explain this code" | deepagents
cat error.log | deepagents -n "What's causing this error?"
git diff | deepagents -n "Review these changes"
git diff | deepagents --skill code-review -n 'summarize changes'
当您将管道输入与 -n 或 -m 结合使用时，管道内容首先出现，然后是您传递给标志的文本。
最大管道输入大小为 10 MiB。
在非交互模式下，默认禁用 shell 执行。使用 -S/--shell-allow-list 启用特定命令（例如 -S "pytest,git,make"）、recommended 以获取安全默认值，或 all 以允许任何命令。
使用 -q 获取适合管道到其他命令的干净输出，使用 --no-stream 在写入 stdout 之前缓冲完整响应（而不是流式传输）：
deepagents -n "Generate a .gitignore for Python" -q > .gitignore
deepagents -n "List dependencies" -q --no-stream | sort
在非交互模式下，Agent 会被指示做出合理的假设并自主进行，而不是提出澄清问题。它还倾向于非交互式命令变体（例如 npm init -y、apt-get install -y）。
# 允许特定命令（根据列表验证）
deepagents -n "Run the tests and fix failures" -S "pytest,git,make"

# 使用策划的安全命令列表
deepagents -n "Build the project" -S recommended

# 允许任何 shell 命令
deepagents -n "Fix the build" -S all
谨慎使用。-S all（或 --shell-allow-list all）允许 Agent 执行任意 shell 命令，无需人工确认。

​
切换模型

您可以在会话期间使用 /model 命令切换模型而无需重启 CLI，或使用 --model 标志在启动时切换： 
> /model anthropic:claude-opus-4-6
> /model openai:gpt-5.4

deepagents --model openai:gpt-5.4
运行 /model 打开交互式模型选择器，显示按提供商分组的可用模型。 有关切换模型、设置默认值和添加自定义模型提供商的完整详情，请参阅模型提供商。
选择器在突出显示的模型下方显示详情页脚，包括上下文窗口大小、输入模态（文本、图像、音频、PDF、视频）和能力（推理、工具调用、结构化输出）。由 --profile-override 或 config.toml 覆盖的值标有黄色 * 前缀。
使用 --model-params 在会话中期切换时传递额外的模型构造函数参数：
> /model --model-params '{"temperature": 0.7}' anthropic:claude-sonnet-4-5
> /model --model-params '{"temperature": 0.7}'  # 打开选择器，将参数应用到所选模型
这些是仅会话覆盖，具有最高优先级，覆盖配置文件 params 中的值。--model-params 不能与 --default 结合使用。

​
配置

CLI 将所有配置存储在 ~/.deepagents/ 下。在该目录中，每个 Agent 都有自己的子目录（默认：agent）：
路径用途
~/.deepagents/config.toml模型默认值、提供商设置、构造函数参数、配置文件覆盖、主题、更新设置、MCP 信任存储
~/.deepagents/.env全局 API 密钥和密钥。请参阅配置
~/.deepagents/hooks.json生命周期事件钩子（会话开始/结束、任务完成等）
~/.deepagents/<agent_name>/每个 Agent 的记忆、技能和对话线程
.deepagents/（项目根目录）项目特定的记忆和技能，在 git 仓库内运行时加载
# 列出所有配置的 Agent
deepagents agents list
有关完整参考 —— 包括 config.toml 模式、提供商参数、配置文件覆盖和钩子配置 —— 请参阅配置。

​
记忆

有两种主要方式自定义任何 Agent：
  • 记忆：AGENTS.md 文件和跨会话持久化的自动保存记忆。使用记忆来存储通用编码风格、偏好和学习到的约定。
  • 技能：全局和项目特定的上下文、约定、指南或指令。在执行特定任务时才需要上下文时使用技能。
使用 /remember 明确提示 Agent 从当前对话更新其记忆和技能。
使用 SDK 构建自定义 Agent？请参阅记忆了解程序化记忆后端。

​
自动记忆

当您使用 Agent 时，它会自动使用记忆优先协议将信息存储在 ~/.deepagents/<agent_name>/memories/ 中作为 markdown 文件：
  1. 研究：在开始任务前搜索记忆以获取相关上下文
  2. 响应：在执行过程中不确定时检查记忆
  3. 学习：自动保存新信息以供未来会话使用
Agent 按主题组织记忆，使用描述性文件名： 
~/.deepagents/backend-dev/memories/
├── api-conventions.md
├── database-schema.md
└── deployment-process.md
当您教 Agent 约定时： 
deepagents --agent backend-dev
> 我们的 API 使用 snake_case 并包含 created_at/updated_at 时间戳
它会记住以供将来会话使用： 
> 创建一个 /users 端点
# 无需提示即应用约定

​
AGENTS.md 文件

AGENTS.md 文件 提供在会话开始时始终加载的持久化上下文：
  • 全局：~/.deepagents/<agent_name>/AGENTS.md — 每个会话都加载。
  • 项目：任何 git 项目根目录中的 .deepagents/AGENTS.md — 当 CLI 在该项目中运行时加载。
这两个文件在启动时都附加到系统提示中。
Agent 在回答项目特定问题或您引用过去的工作或模式时也可能读取其记忆文件。当您提供有关其应该如何行为的信息、对其工作的反馈或要记住的指令时，Agent 会更新 AGENTS.md。当它从您的交互中识别出模式或偏好时，它也会更新其记忆。要在额外的记忆文件中添加更多结构化的项目知识，请将它们添加到 .deepagents/ 中，并在 AGENTS.md 文件中引用它们。Agent 必须知道这些额外文件才能在 AGENTS.md 文件中引用它们。额外文件在启动时不会被读取，但 Agent 可以在需要时引用和更新它们。
全局 AGENTS.md（~/.deepagents/agent/AGENTS.md）
  • 您的个性、风格和通用编码偏好
  • 通用语气和沟通风格
  • 通用编码偏好（格式化、类型提示等）
  • 适用于所有地方的工具使用模式
  • 不随项目变化的流程和方法论
项目 AGENTS.md（项目根目录中的 .deepagents/AGENTS.md）
  • 项目特定的上下文和约定
  • 项目架构和设计模式
  • 特定于此代码库的编码约定
  • 测试策略和部署流程
  • 团队指南和项目结构

​
使用技能

技能是可重用的 Agent 能力，提供专业的工作流程和领域知识。您可以使用技能为深度 Agent 提供新能力和专业知识。深度 Agent 技能遵循 Agent Skills 标准。一旦您添加了技能，深度 Agent 将自动使用它们，并在您使用 Agent 并向其提供额外信息时更新它们。 使用 /remember 明确提示 Agent 从当前对话更新技能和记忆。
  1. 创建一个技能： 
    # 用户技能（存储在 ~/.deepagents/<agent_name>/skills/）
deepagents skills create test-skill

# 项目技能（存储在 .deepagents/skills/）
deepagents skills create test-skill --project
    这会生成： 
    skills/
└── test-skill
    └── SKILL.md
  2. 打开生成的 SKILL.md 并编辑文件以包含您的说明。
  3. 可选择将其他脚本或其他资源添加到 test-skill 文件夹中。有关更多信息，请参阅示例。
您也可以直接将现有技能复制到 Agent 的文件夹中：
mkdir -p ~/.deepagents/<agent_name>/skills
cp -r examples/skills/web-research ~/.deepagents/<agent_name>/skills/
您可以使用 Vercel 的 Skills CLI 等工具安装社区 Agent Skills 到您的环境中，使它们可用于您的深度 Agent：
# 全局安装技能
npx skills add vercel-labs/agent-skills --skill web-design-guidelines -a deepagents -g -y

# 列出已安装的技能
npx skills ls -a deepagents -g
全局安装（-g）将技能符号链接到 ~/.deepagents/agent/skills/ —— 默认 Agent 的用户级技能目录。项目级安装（省略 -g）将技能放在相对于当前目录的 .deepagents/skills/ 中，使它们可用于在该项目中运行的任何 Agent，而不管 Agent 名称如何。
在启动时，CLI 从 Deep Agents 和共享别名目录发现技能：
~/.deepagents/<agent_name>/skills/
~/.agents/skills/
.deepagents/skills/
.agents/skills/
~/.claude/skills/          (实验性)
.claude/skills/            (实验性)
当存在重复的技能名称时，后优先级目录覆盖先优先级目录（请参阅应用数据）。对于项目特定技能，项目的根文件夹必须具有 .git 文件夹。当您从项目的任何位置启动 CLI 时，CLI 会通过检查包含的 .git 文件夹来找到项目的根文件夹。对于每个技能，CLI 从 SKILL.md 文件的 frontmatter 中读取名称和描述。当您使用 CLI 时，如果任务匹配技能的描述，Agent 会读取技能文件并遵循其说明。您也可以使用 /skill:<name> [args] 直接调用技能。技能发现在启动时运行，并在 /reload 时再次运行。
使用 --skill 在启动时调用技能，而无需在交互式会话中输入斜杠命令：
# 打开 TUI 并立即运行技能
deepagents --skill code-review

# 使用 -m 向技能传递请求
deepagents --skill code-review -m 'review the auth module'

# 将内容管道传输到技能
cat diff.txt | deepagents --skill code-review

# 管道传输内容并添加请求
cat diff.txt | deepagents --skill code-review -m 'focus on security'
--skill 在非交互模式下也能工作：
# 无头运行技能
deepagents --skill code-review -n 'review this patch'

# 安静模式（仅 stdout 上的 Agent 输出）
deepagents --skill code-review -n 'review this patch' -q
带有 --quiet 或 --no-stream 的 --skill 需要 -n（非交互模式）。
# 列出所有用户技能
deepagents skills list

# 列出项目技能
deepagents skills list --project

# 获取特定技能的详细信息
deepagents skills info test-skill
deepagents skills info test-skill --project

​
子代理

将自定义子代理定义为 markdown 文件，以便 CLI Agent 可以将专业任务委托给它们。每个子代理位于自己的文件夹中，包含 AGENTS.md 文件： 
.deepagents/agents/{subagent-name}/AGENTS.md   # 项目级
~/.deepagents/{agent}/agents/{subagent-name}/AGENTS.md  # 用户级
项目子代理覆盖同名用户子代理（请参阅优先级规则）。 Frontmatter 需要 name 和 description（与 SubAgent 字典规范 相同）。Markdown 正文成为子代理的 system_prompt。除了基本规范外，AGENTS.md 文件还支持可选的 model frontmatter 字段，该字段为此子代理覆盖主 Agent 的模型。使用 provider:model-name 格式（例如 anthropic:claude-opus-4-6、openai:gpt-5.4）。省略以继承主 Agent 的模型。
其他 SubAgent 字段（tools、middleware、interrupt_on、skills）目前无法通过 AGENTS.md frontmatter 配置 —— 以这种方式定义的自定义子代理继承主 Agent 的工具。如需完全控制，请直接使用 SDK。
子代理 AGENTS.md 文件使用 YAML frontmatter，后跟 markdown 正文：
---
name: researcher
description: Research topics on the web before writing content
model: anthropic:claude-haiku-4-5-20251001
---

You are a research assistant with access to web search.

## Your Process
1. Search for relevant information
2. Summarize findings clearly
对简单委托任务使用更便宜、更快的模型，同时让主 Agent 保持更有能力的模型：
---
name: general-purpose
description: General-purpose agent for research and multi-step tasks
model: anthropic:claude-haiku-4-5-20251001
---

You are a general-purpose assistant. Complete the task efficiently and return a concise summary.
这会覆盖内置的通用目的子代理，将所有委托任务路由到更便宜的模型。请参阅覆盖通用目的子代理了解更多。

​
使用 MCP 工具

使用外部 MCP (Model Context Protocol) 服务器的工具扩展 CLI。在项目根目录放置 .mcp.json，CLI 会自动发现它。请参阅 MCP 工具指南 了解配置格式、自动发现和故障排除。

​
使用远程沙箱

CLI 使用沙箱作为工具模式：CLI 进程（LLM 循环、记忆、工具调度）在您的机器上运行，但 Agent 工具调用（read_file、write_file、execute 等）针对远程沙箱，而不是您的本地文件系统。要将文件放入沙箱，请使用设置脚本或提供商的 파일 传输 API（请参阅使用文件）。 有关沙箱架构、集成模式和安全最佳实践的更深入了解，请参阅沙箱。
LangSmith 沙箱支持默认包含在 CLI 中。AgentCore、Modal、Daytona 和 Runloop 需要安装扩展。

安装提供商依赖

安装 deepagents-cli 时默认包含。无需额外安装。

设置提供商凭证

export LANGSMITH_API_KEY="your-key"

使用沙箱运行 CLI

deepagents --sandbox langsmith
标志描述
--sandbox TYPE要使用的沙箱提供商：langsmith、agentcore、modal、daytona 或 runloop（默认：none）
--sandbox-id ID通过 ID 重用现有沙箱，而不是创建新的。跳过创建和清理。请参阅您的沙箱文档了解更多
--sandbox-setup PATH创建后要在沙箱内运行的设置脚本路径
示例：
# 创建新的 Daytona 沙箱
deepagents --sandbox daytona

# 重用现有沙箱（跳过创建和清理）
deepagents --sandbox runloop --sandbox-id dbx_abc123

# 创建后运行设置脚本
deepagents --sandbox modal --sandbox-setup ./setup.sh
使用 --sandbox-setup 在创建后在沙箱中运行 shell 脚本。这对于克隆仓库、安装依赖和配置环境变量很有用。
setup.sh
#!/bin/bash
set -e

# 使用 GitHub token 克隆仓库
git clone https://x-access-token:${GITHUB_TOKEN}@github.com/username/repo.git $HOME/workspace
cd $HOME/workspace

# 使环境变量持久化
cat >> ~/.bashrc <<'EOF'
export GITHUB_TOKEN="${GITHUB_TOKEN}"
export OPENAI_API_KEY="${OPENAI_API_KEY}"
cd $HOME/workspace
EOF
source ~/.bashrc
CLI 使用本地环境变量展开设置脚本中的 ${VAR} 引用。在本地 .env 文件中存储密钥，以便设置脚本可以访问。
沙箱隔离代码执行，但 Agent 仍然容易受到带有不可信输入的提示注入攻击。仅使用人工介入批准、短命密钥和受信任的设置脚本。请参阅安全注意事项了解更多。

​
使用 LangSmith 进行跟踪

启用 LangSmith 跟踪以在 LangSmith 项目中查看 Agent 操作、工具调用和决策。 将您的跟踪密钥添加到 ~/.deepagents/.env，这样每次会话都启用跟踪，无需每个 shell 导出：
~/.deepagents/.env
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_PROJECT=optional-project-name  # 指定项目名称，默认为 "deepagents-cli"
要为特定项目覆盖，请在项目目录中的 .env 中添加相同的密钥。请参阅环境变量了解完整的加载顺序。 如果您愿意，也可以将它们设置为 shell 环境变量。Shell 导出始终优先于 .env 值，因此这是临时覆盖或测试的好选择： 
export LANGSMITH_TRACING=false
当从 LangChain 应用程序以编程方式调用 CLI 时（例如作为子进程在非交互模式中），您的应用和 CLI 都会生成 LangSmith 跟踪。默认情况下，这些都进入同一个项目。要将 CLI 跟踪发送到专用项目，请设置 DEEPAGENTS_CLI_LANGSMITH_PROJECT：
~/.deepagents/.env
DEEPAGENTS_CLI_LANGSMITH_PROJECT=my-deep-agent-execution
然后为您的父应用程序的跟踪配置 LANGSMITH_PROJECT：
~/.deepagents/.env
LANGSMITH_PROJECT=my-app-traces
这使您的应用级可观测性保持整洁，同时仍在单独的项目中捕获 Agent 的内部执行。您还可以使用 DEEPAGENTS_CLI_ 前缀 将 LangSmith 凭证限定于 CLI（例如 DEEPAGENTS_CLI_LANGSMITH_API_KEY）。
配置后，CLI 显示带有 LangSmith 项目链接的状态行。在支持的终端中，点击链接直接打开。您也可以使用 /trace 打印 URL 并在浏览器中打开。 
✓ LangSmith 跟踪：'my-project'

​
命令参考

# 使用特定的 Agent 配置
deepagents --agent mybot

# 使用特定模型（provider:model 格式或自动检测）
deepagents --model anthropic:claude-sonnet-4-5
deepagents --model gpt-4o

# 自动批准工具使用（跳过人工介入提示）
deepagents -y
选项描述
-a, --agent NAME使用具有单独记忆的命名 Agent（默认：agent）
-M, --model MODEL使用特定模型（provider:model）
--model-params JSON作为 JSON 字符串传递到模型的额外 kwargs（例如 '{"temperature": 0.7}'）
--default-model [MODEL]设置默认模型
--clear-default-model清除默认模型
-r, --resume [ID]恢复会话：-r 最近一次，-r <ID> 特定线程
-m, --message TEXT会话开始时自动提交初始提示（交互模式）
--skill NAME启动时调用技能
-n, --non-interactive TEXT非交互运行单个任务并退出。除非设置 --shell-allow-list，否则禁用 shell
-q, --quiet用于管道的干净输出 —— 只有 Agent 的响应输出到 stdout。需要 -n 或管道 stdin
--no-stream缓冲完整响应并一次性写入 stdout，而不是流式传输。需要 -n 或管道 stdin
--stdin明确从 stdin 读取输入而不是自动检测。在 stdin 不可用或是 TTY 时明确报错
-y, --auto-approve自动批准所有工具调用而不提示（禁用人工介入）。在交互会话中用 Shift+Tab 切换
-S, --shell-allow-list LIST逗号分隔的 shell 命令以自动批准，'recommended' 安全默认值，或 'all' 允许任何命令。适用于 -n 和交互模式
--json从管理子命令（agents、threads、skills、update）发出机器可读 JSON。输出信封：{"schema_version": 1, "command": "...", "data": ...}
--sandbox TYPE用于代码执行的远程沙箱：none（默认）、langsmith、agentcore、modal、daytona、runloop。LangSmith 包含在内；AgentCore/Modal/Daytona/Runloop 需要扩展
--sandbox-id ID重用现有沙箱（跳过创建和清理）
--sandbox-setup PATH创建后在沙箱中运行的设置脚本路径
--mcp-config PATH添加显式 MCP 配置作为最高优先级来源（与自动发现的配置合并）
--no-mcp禁用所有 MCP 工具加载
--trust-project-mcp信任项目级 MCP 配置与 stdio 服务器（跳过批准提示）
--profile-override JSON作为 JSON 字符串覆盖模型配置文件字段（例如 '{"max_input_tokens": 4096}'）。在配置文件覆盖之上合并
--acp通过 stdio 运行 ACP 服务器，而不是启动交互式 UI
-v, --version显示版本
-h, --help显示帮助
命令描述
deepagents help显示帮助
deepagents agents list列出所有 Agent（别名：ls）
deepagents agents reset --agent NAME清除 Agent 记忆并重置为默认。支持 --dry-run
deepagents agents reset --agent NAME --target SOURCE从另一个 Agent 复制记忆
deepagents update检查并安装 CLI 更新
deepagents skills list [--project]列出所有技能（别名：ls）
deepagents skills create NAME [--project]使用模板 SKILL.md 创建新技能。幂等 —— 重新创建现有技能会打印信息性消息而不是错误
deepagents skills info NAME [--project]显示技能的详细信息
deepagents skills delete NAME [--project] [-f]删除技能及其内容。支持 --dry-run
deepagents threads list [--agent NAME] [--limit N]列出会话（别名：ls）。默认限制：20。-n 是 --limit 的短标志。其他标志：--sort {created,updated}、--branch TEXT（按 git 分支过滤）、-v/--verbose（显示所有列包括分支、创建时间和初始提示）、-r/--relative（相对时间戳）
deepagents threads delete ID删除会话。支持 --dry-run
deepagents deploy将您的 Agent 部署到 LangSmith。请参阅使用 CLI 部署
所有管理子命令都支持 --json 以获取机器可读输出。请参阅命令行选项了解详情。破坏性命令（agents reset、skills delete、threads delete）支持 --dry-run 以预览将会发生什么而不进行更改。在 JSON 模式下，--dry-run 返回带有 dry_run: true 字段的相同信封。