🚀🧠 深度智能体 UI

深度智能体 是一个简单、开源的智能体框架，内置了一些通用工具，包括任务规划（在执行任务前进行规划）、计算机访问权限（允许智能体访问 shell 和文件系统）以及子智能体委派（隔离式任务执行）。这是一个用于与深度智能体交互的用户界面。

🚀 快速入门

安装依赖并运行应用

git clone https://github.com/langchain-ai/deep-agents-ui.git
cd deep-agents-ui
yarn install
yarn dev

部署一个深度智能体

作为示例，请参阅我们的 深度智能体快速入门指南，其中提供了多个示例，并运行 deep_research 示例。

langgraph.json 文件中以助手 ID 作为键：

  "graphs": {
    "research": "./agent.py:agent"
  },

启动本地 LangGraph 部署：

cd deepagents-quickstarts/deep_research
langgraph dev

您将在终端看到本地 LangGraph 部署的日志输出：

╦  ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬
║  ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤
╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴  ┴ ┴

- 🚀 API: http://127.0.0.1:2024
- 🎨 Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024
- 📚 API 文档: http://127.0.0.1:2024/docs
...

您可以从终端输出和 langgraph.json 文件中分别获取部署 URL 和助手 ID：

• 部署 URL：http://127.0.1:2024
• 助手 ID：research

打开深度智能体 UI，访问 http://localhost:3000，并输入部署 URL 和助手 ID：

• 部署 URL：您要连接的 LangGraph 部署的 URL
• 助手 ID：您想要使用的助手或智能体的 ID
• 【可选】LangSmith API 密钥：您的 LangSmith API 密钥（格式：lsv2_pt_...）。这可能需要用于访问已部署的 LangGraph 应用程序。您也可以通过 NEXT_PUBLIC_LANGSMITH_API_KEY 环境变量来提供此密钥。

使用方法

您可以通过聊天界面与部署进行交互，并随时点击页眉中的“设置”按钮来编辑配置。

当深度智能体运行时，您可以在 LangGraph 的状态中查看其文件。

您可以点击任意文件来查看内容。

可选：环境变量

您也可以选择直接设置环境变量，而无需使用设置对话框：

NEXT_PUBLIC_LANGSMITH_API_KEY="lsv2_xxxx"

注意：UI 中配置的设置优先于环境变量。

使用说明

您可以以调试模式运行您的深度智能体，这样智能体会逐步执行每个步骤，方便您重新执行特定的步骤。此功能通常与优化器配合使用。

您也可以关闭调试模式，以端到端的方式完整运行智能体。

📚 资源

如果您对“深度智能体”这一概念还不熟悉，请观看以下视频！ 什么是深度智能体？ 如何实现深度智能体

Deep Agents UI 快速上手指南

Deep Agents UI 是一个用于与 Deep Agents 交互的用户界面。Deep Agents 是一个开源的智能体框架，支持任务规划、计算机访问（Shell/文件系统）以及子智能体委托等功能。本指南将帮助你快速在本地部署并运行该界面。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (WSL2 推荐)
• Node.js：建议版本 v18 或更高（用于运行 UI）
• Yarn：包管理工具
• Python：建议版本 3.9+（用于运行后端智能体）
• LangGraph CLI：用于部署本地智能体服务
  • 安装命令：pip install langgraph-cli

安装步骤

1. 克隆并运行 UI 前端

首先获取源代码并安装依赖，启动开发服务器：

git clone https://github.com/langchain-ai/deep-agents-ui.git
cd deep-agents-ui
yarn install
yarn dev

启动成功后，UI 将运行在 http://localhost:3000。

2. 部署 Deep Agent 后端

你需要运行一个实际的 Deep Agent 实例供 UI 连接。这里以官方提供的 deep_research 示例为例：

1. 克隆或进入 deepagents 仓库的示例目录：

   # 假设你已克隆 deepagents 仓库
   cd deepagents-quickstarts/deep_research
   

2. 确认 langgraph.json 配置。该文件定义了智能体 ID（如下例中的 research）：

   {
     "graphs": {
       "research": "./agent.py:agent"
     }
   }
   

3. 启动本地 LangGraph 服务：

   langgraph dev
   

   启动后，终端会输出类似以下信息，请记录 API 地址 和 Assistant ID：

   - 🚀 API: http://127.0.0.1:2024
   ...
   

   • Deployment URL: http://127.0.0.1:2024
   • Assistant ID: research (来自 langgraph.json 的 key)

基本使用

1. 访问界面：打开浏览器访问 http://localhost:3000。

2. 配置连接： 在界面中输入上一步获取的信息：

   • Deployment URL: 填入 LangGraph 服务地址（例如 http://127.0.0.1:2024）。
   • Assistant ID: 填入智能体 ID（例如 research）。
   • LangSmith API Key (可选): 如果你的服务需要认证，可在此填入密钥（格式如 lsv2_pt_...），或通过设置环境变量 NEXT_PUBLIC_LANGSMITH_API_KEY 提供。

3. 开始交互：

   • 在聊天框中输入指令，智能体将执行任务（如搜索、编写代码等）。
   • 运行过程中，你可以在界面中查看 LangGraph 的状态变化及生成的文件。
   • 点击文件列表中的任意文件即可预览内容。

4. 调试模式：

   • 你可以开启 Debug Mode 逐步执行智能体，便于观察每一步的执行细节或重跑特定步骤。
   • 关闭该模式则可端到端地运行完整任务流。

提示：界面中的设置优先级高于环境变量配置。