Deep Agents Deploy 获取您的代理配置并将其部署为 LangSmith Deployment：一个水平可扩展的服务器，包含 30 多个端点，包括 MCP、A2A、代理协议、人工介入和记忆 API。基于开放标准构建：
  • 开源测试框架：MIT 许可，适用于 Python 和 TypeScript
  • AGENTS.md：代理指令的开放标准
  • Agent Skills：代理知识和操作的开放标准
  • 任何模型，任何沙盒：无提供商锁定
  • 开放协议：MCP、A2A、代理协议
  • 可自托管：LangSmith Deployments 可以自托管，以便记忆保留在您的基础设施中
Deep Agents Deploy 目前处于测试阶段。API、配置格式和行为可能在版本之间发生变化。请参阅发布页面了解详细的变更日志。

​
与 Claude Managed Agents 的对比

Deep Agents DeployClaude Managed Agents
模型支持OpenAI、Anthropic、Google、Bedrock、Azure、Fireworks、Baseten、OpenRouter、更多仅 Anthropic
测试框架开源（MIT）专有，闭源
沙盒LangSmith、Daytona、Modal、Runloop 或自定义内置
MCP 支持✅✅
技能支持✅✅
AGENTS.md 支持✅❌
代理端点MCP、A2A、代理协议专有
自托管✅❌

​
您正在部署的内容

deepagents deploy 将您的代理配置打包并将其部署为 LangSmith Deployment。您使用几个参数配置代理：
参数描述
model要使用的 LLM。任何提供商都可以——请参阅支持的模型。
AGENTS.md系统提示，在每个会话开始时加载。
skills用于专门知识和操作的 Agent Skills。技能被同步到沙盒中，以便代理可以在运行时执行它们。请参阅技能文档。
mcp.jsonMCP 工具（HTTP/SSE）。请参阅 MCP 文档。
sandbox可选的执行环境。请参阅沙盒提供商。

​
安装

安装 CLI 或使用 uvx 直接运行： 
uv tool install deepagents-cli

​
使用方法

deepagents init [name] [--force]                                             # 搭建新项目
deepagents dev  [--config deepagents.toml] [--port 2024] [--allow-blocking]  # 打包并在本地运行
deepagents deploy [--config deepagents.toml] [--dry-run]                     # 打包并部署
默认情况下，deepagents deploy 在当前目录中查找 deepagents.toml。传递 --config 以使用不同路径： 
deepagents deploy --config path/to/deepagents.toml

​
deepagents init

搭建新的代理项目： 
deepagents init my-agent
这会创建以下文件：
文件用途
deepagents.toml代理配置——名称、模型、可选沙盒
AGENTS.md在会话开始时加载的系统提示
.envAPI 密钥模板（ANTHROPIC_API_KEY、LANGSMITH_API_KEY 等）
mcp.jsonMCP 服务器配置（默认空）
skills/Agent Skills 目录，带有示例 review 技能
初始化后，编辑 AGENTS.md 添加代理指令，然后运行 deepagents deploy。

​
项目布局

部署命令使用基于约定的项目布局。将以下文件与 deepagents.toml 放在一起，它们会自动被发现： 
my-agent/
├── deepagents.toml
├── AGENTS.md
├── .env
├── mcp.json
└── skills/
    ├── code-review/
    │   └── SKILL.md
    └── data-analysis/
        └── SKILL.md
文件/目录用途必需
AGENTS.md代理的记忆。提供在启动时始终加载的持久化上下文（项目约定、指令、偏好）。是
skills/技能定义目录。每个子目录应包含一个 SKILL.md 文件。否
mcp.jsonMCP 服务器配置。部署上下文中仅支持 http 和 sse 传输。否
.env环境变量（API 密钥、秘密）。与项目根目录中的 deepagents.toml 放在一起。否
mcp.json 只能包含使用 http 或 sse 传输的服务器。使用 stdio 传输的服务器在部署环境中不支持，因为没有本地进程可以生成。在部署之前将 stdio 服务器转换为 HTTP 或 SSE。

​
配置文件

deepagents.toml 配置代理的身份和沙盒环境。只有 [agent] 部分是必需的。[sandbox] 部分是可选的，默认为无沙盒。

​
[agent]

（必需） 核心代理身份。有关模型选择和提供商配置的更多信息，请参阅支持的模型。
​
name
string
required
部署代理的名称。用作 LangSmith 中的助手标识符。
​
model
string
default:"anthropic:claude-sonnet-4-6"
provider:model 格式的模型标识符。请参阅支持的模型。
deepagents.toml
[agent]
name = "research-assistant"
model = "anthropic:claude-sonnet-4-6"
name 字段是整个配置文件中唯一必需的值。其他所有内容都有默认值。
技能、MCP 服务器和模型依赖项从项目布局自动检测——您无需在 deepagents.toml 中声明它们：
  • 技能：打包器递归扫描 skills/，跳过隐藏的 dotfile，并打包其余内容。
  • MCP 服务器：如果存在 mcp.json，它会包含在部署中，langchain-mcp-adapters 被添加为依赖项。仅支持 HTTP/SSE 传输（stdio 在打包时被拒绝）。
  • 模型依赖项：model 字段中的 provider: 前缀决定所需的 langchain-* 包（例如 anthropic -> langchain-anthropic）。
  • 沙盒依赖项：[sandbox].provider 值映射到其合作伙伴包（例如 daytona -> langchain-daytona）。

​
[sandbox]

配置代理运行代码的隔离执行环境。沙盒提供一个带有文件系统和 shell 访问的容器，因此不受信任的代码无法影响主机。如果需要代码执行或技能脚本执行，请使用沙盒。 当省略或设置为 provider = "none" 时，沙盒被禁用。
​
provider
string
default:"none"
沙盒提供商。决定容器在哪里运行。支持的值："none"、"daytona"、"modal"、"runloop"、"langsmith"（私人测试版）。请参阅沙盒集成了解提供商详情。
​
template
string
default:"deepagents-deploy"
沙盒环境的提供商特定模板名称。
​
image
string
default:"python:3"
沙盒容器的基础 Docker 镜像。
​
scope
string
default:"thread"
沙盒生命周期范围。"thread" 为每个对话创建一个沙盒。"assistant" 在同一助手的所有对话之间共享一个沙盒。
范围行为：
  • "thread"（默认）：每个对话获得自己的沙盒。不同的线程获得不同的沙盒，但相同的线程在轮次之间重用其沙盒。当每个对话应该从干净的环境开始时使用此选项。
  • "assistant"：所有对话共享一个沙盒。文件、安装的包和其他状态在对话之间持久化。当代理维护长时间运行的工作区（如克隆的仓库）时使用此选项。

​
.env

将与 deepagents.toml 放在一起放置包含您的 API 密钥的 .env 文件： 
# 必需 —— 模型提供商密钥
ANTHROPIC_API_KEY=sk-...
OPENAI_API_KEY=sk-...
# ...等等。

# 部署和 LangSmith 沙盒必需
LANGSMITH_API_KEY=lsv2_...

# 可选 —— 沙盒提供商密钥
DAYTONA_API_KEY=...
MODAL_TOKEN_ID=...
MODAL_TOKEN_SECRET=...
RUNLOOP_API_KEY=...

​
沙盒提供商

在 deepagents.toml 中设置 [sandbox].provider，并将必需的 env 变量添加到 .env。有关可用的提供商，请参阅沙盒集成。有关生命周期模式和 SDK 使用方法，请参阅沙盒。

​
部署端点

部署的服务器公开：
  • MCP：将您的代理作为工具从其他代理调用
  • A2A：通过 A2A 协议进行多代理编排
  • 代理协议：用于构建 UI 的标准 API
  • 人工介入：敏感操作的批准门
  • 记忆：短期和长期记忆访问

​
示例

一个仅需要模型和系统提示的内容写作代理，无需代码执行：
deepagents.toml
[agent]
name = "deepagents-deploy-content-writer"
model = "anthropic:claude-sonnet-4-6"
一个带有 LangSmith 沙盒用于运行代码的编码代理：
deepagents.toml
[agent]
name = "deepagents-deploy-coding-agent"
model = "anthropic:claude-sonnet-4-6"

[sandbox]
provider = "langsmith"
template = "coding-agent"
image = "python:3.12"
在 GitHub 上编辑此页面 或提交问题。
通过 MCP 将这些文档 连接到 Claude、VSCode 等，获取实时答案。