返回资源列表

LangChain

Subagents - Docs by LangChain

Subagents - Docs by LangChain是LangChain的免费文档(en)。前置条件:需要了解 LangChain/Deep Agents 的 agent 定义基本结构,并能读懂 Python 示例代码。

掌握在 Managed Deep Agents 中声明子代理与异步子代理,并让其分担、后台执行任务。

打开官方课程
难度
见前置条件
类型
教程 · 文档
语言
en
规模
1 个课节
内容费用
免费
动手
需要动手环境

使用限制

阅读文档无需账号;实际动手需一条可用的 agent 开发链路。

练习与作业
LangSmith Cloud 账号(Managed Deep Agents 处于公测)示例中使用的模型(如 openai:gpt-5.5)对应的 API 访问
  1. 选择学习环境

    按你的电脑系统准备;提示词在你自己的电脑上使用。

    本机动手

    这是 LangChain 官方文档的 Subagents 页面,讲如何在 Managed Deep Agents 中声明子代理与异步子代理。建议先通读概念与继承规则,再照示例写一份 agent.py。

    需要 Python 环境与 managed-deepagents 包(异步子代理要求 >=0.10.0),以及 LangSmith Cloud 上的 Managed Deep Agents(公测)。

  2. 准备工具和账号

    标“选用”的可以跳过。

    • Python运行 agent 定义与本地调试
    • managed-deepagents 包提供 define_deep_agent 等接口,异步子代理需 >=0.10.0
    • LangSmith CloudManaged Deep Agents 公测所在平台
    • 模型 API选用示例使用 openai:gpt-5.5 等模型

    运行费用:实践可能产生费用,页面提到在 LangSmith Cloud 上运行 Managed Deep Agents,实际部署/运行可能需要 LangSmith 账号与相应服务;网页未说明具体费用。

  3. 让 AI Agent 一次搭好课程

    复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。

    开课提示词 · 只需用一次此提示词尚未实测验证
    请帮我把「Subagents - Docs by LangChain」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。
    开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。
    
    课程入口:https://docs.langchain.com/langsmith/python/managed-deep-agents-subagents
    我的系统:macOS。如果实际不符,先调整方案。
    本次路线:macOS:本机动手。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。
    练习:在自己的 agent 定义里先声明一个普通子代理,再加一个 async 子代理;文档说明 agent 需通过 mda dev 或部署提供服务才能使用异步子代理相关工具。
    课节(官方顺序):
    1. Subagents(子代理):https://docs.langchain.com/langsmith/python/managed-deep-agents-subagents
    
    1. 环境
    - Python 环境
    - managed-deepagents(异步子代理需 >=0.10.0)
    - LangSmith Cloud 账号
    - 示例所用模型(如 openai:gpt-5.5)的 API 访问
    - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。
    2. 材料
    - 官方课程页面:只记录链接 https://docs.langchain.com/langsmith/python/managed-deep-agents-subagents
    3. 目录(最外层放在我确认的位置)
    langchain-managed-deep-agents-subagents/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.sh     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-subagents/
    - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。
    - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。
    4. 自检
    - 创建 check-env.sh,逐项检查并记录“通过/未通过”:
    - 在课程根目录运行;每项检查独立执行,进入子目录不能影响下一项。使用当前系统的终端运行。
      - python -c "import managed_deepagents; print(managed_deepagents.__file__)"  → 能导入 managed_deepagents,确认包已安装
      - 打开 https://docs.langchain.com/langsmith/python/managed-deep-agents-subagents  → 能看到 Declare a subagent 与 Configure an async subagent 等小节正文
    - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。
    - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
    - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。
    5. 学习计划
    - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。
    - progress.md:每课三项勾选——读讲义、做练习、记笔记。
    6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。
    
    边界:
    - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
    - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
    - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
    如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
    搭好后的课程目录
    langchain-managed-deep-agents-subagents/
    ├── README.md        # 课程入口、课节清单、每次怎么开始
    ├── progress.md      # 每课:读讲义 / 做练习 / 记笔记
    ├── questions.md     # 待解决的问题
    ├── check-env.sh     # 环境自检,按 README 操作
    ├── data/            # 练习用到的样例数据
    └── lessons/         # 每课一个文件夹:notes.md + exercises/
        └── 01-01-subagents/
准备好了,开始学习

常见问题

免费吗?

免费:文档正文直接可读,含配置示例与机制说明,无付费墙或登录拦截;页面仅提示该产品在 LangSmith Cloud 处于公测。实践可能产生费用:页面提到在 LangSmith Cloud 上运行 Managed Deep Agents,实际部署/运行可能需要 LangSmith 账号与相应服务;网页未说明具体费用。

需要什么基础?

需要了解 LangChain/Deep Agents 的 agent 定义基本结构,并能读懂 Python 示例代码。软件、账号与硬件:需要 Python 环境与 managed-deepagents 包(异步子代理要求 >=0.10.0),以及 LangSmith Cloud 上的 Managed Deep Agents(公测)。

有中文吗?

本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://docs.langchain.com/langsmith/python/managed-deep-agents-subagents。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备:LangSmith Cloud 账号(Managed Deep Agents 处于公测)、示例中使用的模型(如 openai:gpt-5.5)对应的 API 访问。

来源与使用须知

原始资源
LangChain
收录时间
本站首次收录 2026-10-30原站首次发布 2026-10-29
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。