git init and first deep agent with langsmith ui

.env

@@ -0,0 +1,8 @@
+DEEPSEEK_API_KEY=sk-224dcd05dd1e4b6f9eb964969903fe43
+DEEPSEEK_BASE_URL=https://api.deepseek.com
+TAVILY_API_KEY=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
+
+LANGSMITH_TRACING=true
+LANGSMITH_ENDPOINT=https://api.smith.langchain.com
+LANGSMITH_API_KEY=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
+LANGSMITH_PROJECT="test-project"

.gitignore

@@ -0,0 +1,10 @@
+# Python-generated files
+__pycache__/
+*.py[oc]
+build/
+dist/
+wheels/
+*.egg-info
+
+# Virtual environments
+.venv

.python-version

@@ -0,0 +1 @@
+3.13

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

agent.py

@@ -0,0 +1,24 @@
+"""Network Search Agent - Standalone script for LangGraph deployment.
+
+This module creates a network search agent with internet search capabilities.
+Uses DeepAgents framework with Tavily search integration.
+"""
+
+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(DeepSeek)
+model = init_chat_model(
+    model="deepseek:deepseek-chat",
+    temperature=0.3
+)
+
+# 创建智能体
+agent = create_deep_agent(
+    model=model,
+    tools=[internet_search],
+    system_prompt=SYSTEM_PROMPT,
+)

langgraph.json

@@ -0,0 +1,7 @@
+{
+  "dependencies": ["."],
+  "graphs": {
+    "network_search_agent": "./agent.py:agent"
+  },
+  "env": ".env"
+}

network_search_agent/__init__.py

@@ -0,0 +1,13 @@
+"""Network Search Agent.
+
+This module demonstrates building a network search agent using the deepagents package
+with internet search capabilities via Tavily API.
+"""
+
+from network_search_agent.prompts import SYSTEM_PROMPT
+from network_search_agent.tools import internet_search
+
+__all__ = [
+    "internet_search",
+    "SYSTEM_PROMPT",
+]

network_search_agent/prompts.py

@@ -0,0 +1,101 @@
+"""Prompts for the simple agent.
+
+This module contains the system prompt that defines the agent's behavior.
+"""
+
+SYSTEM_PROMPT = """# 研究工作流程
+
+在处理所有研究类请求时，请严格遵循以下流程：
+
+1. **制定计划（Plan）**  
+   - 通过 write_todos 将研究问题拆解为合理的小任务  
+   - 聚焦、简洁，不要过度拆分  
+
+2. **保存用户研究问题（Save Request）**  
+   - 使用 write_file() 将用户的问题写入 `/research_request.md`  
+   - 这是后续验证的重要依据  
+
+3. **执行研究（Research）**  
+   - 使用 tavily_search 执行信息检索  
+   - 每次搜索后必须使用 think_tool 进行反思：  
+     - 找到了什么？  
+     - 还缺什么？  
+     - 是否已能构成答案？  
+   - 工具调用应遵守“少而精”的原则  
+   - 禁止冗余搜索，也不需要创建子代理  
+
+4. **综合分析（Synthesize）**  
+   - 对所有检索结果进行总结、归纳、提炼  
+   - 整合引用来源，每个 URL 使用唯一编号  
+   - 完整回答用户提出的所有方面  
+
+5. **撰写最终报告（Write Report）**  
+   - 将最终报告写入 `/final_report.md`  
+   - 严格遵循“报告写作规范”（见下方）  
+
+6. **验证完整性（Verify）**  
+   - 读取 `/research_request.md`  
+   - 确保所有问题都已被回答，结构清晰且引用完整  
+
+---
+
+## 研究规划指南（简化版）
+
+- 一个研究任务 = 一个智能体执行，不再产生子代理  
+- 对简单问题：只进行 1–2 次搜索  
+- 对复杂问题：最多进行 5 次搜索  
+- 不要机械拆分任务，保持自然逻辑流即可  
+
+---
+
+# 报告写作规范
+
+## 一、常用结构模板
+
+### **1. 对比类报告结构**
+1. 引言  
+2. A 主题概述  
+3. B 主题概述  
+4. 对比分析  
+5. 结论  
+
+### **2. 列表 / 排名报告结构**
+1. 项目 1 + 说明  
+2. 项目 2 + 说明  
+3. 项目 3 + 说明  
+（无需引言）
+
+### **3. 概览 / 总结类结构**
+1. 主题整体概述  
+2. 关键概念 1  
+3. 关键概念 2  
+4. 关键概念 3  
+5. 结论  
+
+---
+
+## 二、写作规范
+
+- 报告必须使用段落形式，详细全面  
+- 不得使用“我查到… 我认为…” 之类的元语言  
+- 避免无内容的空洞描述  
+- 必须用节标题（##、###）组织内容  
+- 可使用项目符号，但不要过度  
+- 语言专业、客观、正式  
+
+---
+
+## 三、引用格式
+
+- 全文使用 **[1], [2], [3]** 形式的内联引用  
+- 每个唯一 URL 对应一个编号  
+- 报告末尾添加：
+
+### Sources
+[1] 来源标题：URL  
+[2] 来源标题：URL  
+……
+
+- 编号必须连续，不得跳号  
+
+"""

network_search_agent/tools.py

@@ -0,0 +1,51 @@
+"""Tools for the simple agent.
+
+This module provides the internet search tool using Tavily API.
+"""
+
+import os
+from typing import Literal
+
+from dotenv import load_dotenv
+from langchain_core.tools import tool
+from tavily import TavilyClient
+
+# Load environment variables
+load_dotenv(override=True)
+
+# Initialize Tavily client
+tavily_client = TavilyClient(api_key=os.environ.get("TAVILY_API_KEY"))
+
+
+@tool(parse_docstring=True)
+def internet_search(
+    query: str,
+    max_results: int = 5,
+    topic: Literal["general", "news", "finance"] = "general",
+    include_raw_content: bool = False,
+):
+    """Run internet search using Tavily API.
+
+    This is a tool function for web search that wraps Tavily's search functionality.
+
+    Args:
+        query: Search query string, e.g. "Python async programming tutorial"
+        max_results: Maximum number of results to return, default is 5
+        topic: Search topic type, options are "general", "news", or "finance"
+        include_raw_content: Whether to include raw webpage content, default is False
+
+    Returns:
+        Search results dictionary containing titles, URLs, summaries, etc.
+    """
+    try:
+        result = tavily_client.search(
+            query,
+            max_results=max_results,
+            include_raw_content=include_raw_content,
+            topic=topic,
+        )
+        return result
+    except Exception as e:
+        # Exception handling: return error message instead of raising exception
+        # This allows the LLM to understand the error and try other strategies
+        return {"error": f"Search failed: {str(e)}"}

pyproject.toml

@@ -0,0 +1,20 @@
+[project]
+name = "play-deepagents"
+version = "0.1.0"
+description = "Add your description here"
+readme = "README.md"
+requires-python = ">=3.13"
+dependencies = [
+    "deepagents>=0.3.5",
+    "dotenv>=0.9.9",
+    "langchain-deepseek>=1.0.1",
+    "openai>=2.15.0",
+    "rich>=14.2.0",
+    "tavily-python>=0.7.17",
+]
+
+[dependency-groups]
+dev = [
+    "ipykernel>=7.1.0",
+    "langgraph-cli[inmem]>=0.4.11",
+]