git init and first deep agent with langsmith ui

README.md

@@ -0,0 +1,264 @@
+# Network Search Agent
+
+一个符合 LangGraph Studio 标准的网络搜索 Agent 项目,使用 DeepAgents 框架和 Tavily 搜索 API。
+
+## 📁 项目结构
+
+```
+NetworkSearchAgent/
+├── agent.py                      # ⭐ LangGraph 入口 (定义 agent)
+├── langgraph.json               # ⭐ LangGraph 配置
+├── pyproject.toml               # 依赖管理
+├── .env.example                 # 环境变量模板
+├── README.md                    # 完整文档
+└── network_search_agent/        # Agent 包
+    ├── __init__.py              # 包初始化
+    ├── tools.py                 # 工具: internet_search
+    └── prompts.py               # 提示词: SYSTEM_PROMPT
+```
+
+## ✨ 功能特性
+
+### 保留的核心功能
+- ✅ **网络搜索工具** (`internet_search`) - 使用 Tavily API
+- ✅ **DeepSeek 模型集成** - 作为推理引擎
+- ✅ **系统提示词** - 定义 Agent 行为
+- ✅ **LangGraph Studio 兼容** - 可在 Studio 中可视化调试
+
+### 移除的功能
+- ❌ Sub Agent (子代理)
+- ❌ Think Tool (思考工具)
+- ❌ 其他高级特性
+
+## 🚀 快速开始
+
+### 1. 安装依赖
+
+使用 pip 安装:
+```bash
+cd NetworkSearchAgent
+pip install -e .
+```
+
+或使用 uv (推荐):
+```bash
+cd NetworkSearchAgent
+uv pip install -e .
+```
+
+### 2. 配置环境变量
+
+复制环境变量模板:
+```bash
+cp .env.example .env
+```
+
+编辑 `.env` 文件,填入你的 API 密钥:
+```env
+DEEPSEEK_API_KEY=your_deepseek_api_key_here
+DEEPSEEK_BASE_URL=https://api.deepseek.com
+TAVILY_API_KEY=your_tavily_api_key_here
+```
+
+#### 获取 API 密钥
+- **DeepSeek**: 访问 [https://www.deepseek.com/](https://www.deepseek.com/)
+- **Tavily**: 访问 [https://tavily.com/](https://tavily.com/)
+
+### 3. 使用 LangGraph CLI 运行
+
+#### 启动开发服务器
+```bash
+langgraph dev
+```
+
+这将启动 LangGraph Studio 服务器,你可以在浏览器中访问可视化界面。
+
+#### 测试 Agent
+```bash
+langgraph test
+```
+
+## 🎯 使用 LangGraph Studio
+
+### 启动 Studio
+```bash
+cd NetworkSearchAgent
+langgraph dev
+```
+
+启动后,访问浏览器打开的 Studio 界面,你可以:
+- 📊 可视化查看 Agent 的执行流程
+- 🔍 调试每一步的输入输出
+- 🧪 交互式测试 Agent 功能
+- 📝 查看工具调用详情
+
+### Studio 特性
+- **实时可视化**: 查看 Agent 的思考过程和工具调用
+- **断点调试**: 在关键节点暂停并检查状态
+- **历史记录**: 回顾之前的对话和执行流程
+- **性能分析**: 查看每步的耗时和资源使用
+
+## 📝 代码说明
+
+### 核心文件
+
+#### 1. `langgraph.json`
+LangGraph 配置文件,定义 Agent 入口:
+```json
+{
+  "dependencies": ["."],
+  "graphs": {
+    "simple_agent": "./agent.py:agent"
+  },
+  "env": ".env"
+}
+```
+
+#### 2. `agent.py`
+主 Agent 定义文件:
+```python
+from langchain.chat_models import init_chat_model
+from deepagents import create_deep_agent
+from network_search_agent.prompts import SYSTEM_PROMPT
+from network_search_agent.tools import internet_search
+
+# 初始化模型
+model = init_chat_model(
+    model="deepseek:deepseek-chat",
+    temperature=0.0
+)
+
+# 创建 Agent (仅包含基础工具,无 sub-agent)
+agent = create_deep_agent(
+    model=model,
+    tools=[internet_search],
+    system_prompt=SYSTEM_PROMPT,
+)
+```
+
+#### 3. `network_search_agent/tools.py`
+工具定义:
+```python
+def internet_search(
+    query: str,
+    max_results: int = 5,
+    topic: Literal["general", "news", "finance"] = "general",
+    include_raw_content: bool = False,
+):
+    """网络搜索工具"""
+    result = tavily_client.search(...)
+    return result
+```
+
+#### 4. `network_search_agent/prompts.py`
+系统提示词定义:
+```python
+SYSTEM_PROMPT = """你是一个智能助手...
+"""
+```
+
+## 🔧 自定义配置
+
+### 更换模型
+
+编辑 `agent.py` 中的模型配置:
+
+```python
+# 使用 OpenAI
+model = init_chat_model(
+    model="openai:gpt-4",
+    temperature=0.0
+)
+
+# 使用 Anthropic
+model = init_chat_model(
+    model="anthropic:claude-3-5-sonnet-20241022",
+    temperature=0.0
+)
+```
+
+### 添加新工具
+
+1. 在 `network_search_agent/tools.py` 中定义新工具:
+```python
+def my_new_tool(param: str):
+    """My new tool description"""
+    # 工具实现
+    return result
+```
+
+2. 在 `agent.py` 中添加到工具列表:
+```python
+agent = create_deep_agent(
+    model=model,
+    tools=[internet_search, my_new_tool],  # 添加新工具
+    system_prompt=SYSTEM_PROMPT,
+)
+```
+
+3. 在 `network_search_agent/__init__.py` 中导出:
+```python
+from network_search_agent.tools import internet_search, my_new_tool
+
+__all__ = ["internet_search", "my_new_tool", ...]
+```
+
+### 自定义提示词
+
+编辑 `network_search_agent/prompts.py`:
+```python
+SYSTEM_PROMPT = """你的自定义提示词...
+"""
+```
+
+## 📚 LangGraph Studio 文档
+
+详细文档请参考:
+- [LangGraph Studio 官方文档](https://docs.langchain.com/oss/python/langgraph/studio)
+- [LangGraph CLI 使用指南](https://docs.langchain.com/oss/python/langgraph/cli)
+
+## 🆚 与完整版的区别
+
+| 特性 | 简化版 (本项目) | 完整版 |
+|------|----------------|--------|
+| 网络搜索 | ✅ | ✅ |
+| 基础对话 | ✅ | ✅ |
+| 系统提示词 | ✅ | ✅ |
+| LangGraph Studio | ✅ | ✅ |
+| Sub Agent | ❌ | ✅ |
+| Think Tool | ❌ | ✅ |
+| 复杂工作流 | ❌ | ✅ |
+
+## 🐛 常见问题
+
+### Q: 如何查看 Agent 执行日志?
+启动时使用 `langgraph dev --verbose` 查看详细日志。
+
+### Q: 如何在 Studio 中测试?
+1. 运行 `langgraph dev`
+2. 打开浏览器访问显示的 URL
+3. 在界面中输入测试问题
+
+### Q: 依赖安装失败?
+确保 Python 版本 >= 3.11,使用 uv 或创建虚拟环境:
+```bash
+python -m venv venv
+source venv/bin/activate  # Linux/Mac
+pip install -e .
+```
+
+### Q: 如何部署到生产环境?
+参考 [LangGraph Cloud 部署文档](https://docs.langchain.com/oss/python/langgraph/cloud)
+
+## 📄 许可证
+
+MIT License
+
+## 🔄 更新日志
+
+### v0.1.0 (2025-12-02)
+- ✅ 初始版本
+- ✅ 符合 LangGraph Studio 标准结构
+- ✅ 实现基础 Agent 功能
+- ✅ 集成网络搜索工具
+- ✅ 移除 sub-agent 和 think tool