Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

deepagents-python-quickstart

/deepagents-python-quickstart

Tworzy minimalnego lokalnego agenta Deep Agent w Pythonie według oficjalnego quickstartu, z natywnym wyszukiwaniem w sieci dostawcy zamiast Tavily.

Licencja
MIT
Ostatnia zmiana repozytorium
26.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
1
Przestarzałość

Brak sygnałów. Repozytorium zmienione 26.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Tworzy minimalnego lokalnego agenta Deep Agent w Pythonie według oficjalnego quickstartu, z natywnym wyszukiwaniem w sieci dostawcy zamiast Tavily.

Oryginalny opis (EN)

Scaffold a minimal local Deep Agent in Python by following the official quickstart, using provider-native web search instead of Tavily. Use when the user wants to quickly build or try a Deep Agent locally.

Jak działa

  1. Local setup constraints
Sekcje z nagłówków SKILL.md, w oryginale · 34 linii, 266 słów
Podgląd SKILL.md
---
name: deepagents-python-quickstart
description: "Scaffold a minimal local Deep Agent in Python by following the official quickstart, using provider-native web search instead of Tavily. Use when the user wants to quickly build or try a Deep Agent locally."
---

# Deep Agents Python quickstart

Follow the live docs — do not invent an alternate API from memory:

**https://docs.langchain.com/oss/python/deepagents/quickstart**

Fetch that page (Docs MCP or HTTP) and implement the research-agent shape it shows (`create_deep_agent`, research system prompt, invoke with a research question like “What is LangGraph?”).

## Local setup constraints

Apply these on top of the quickstart (they keep setup minimal and model-agnostic):

1. **Ask** which provider/model to use. Showcase that Deep Agents are model-agnostic. Suggested prompt:

   > Which model should this agent use? Pass a `provider:model` string — e.g. `openai:gpt-5.5`, `anthropic:claude-sonnet-5`, `google_genai:gemini-3.5-flash`. Default if you're unsure: **`anthropic:claude-sonnet-5`**.  
   > We'll use that provider's built-in web search (no separate search API key).

2. Create a **new** directory (e.g. `deep-agent/`) and do all work there — do not pollute the open project.

3. **Do not use Tavily** (or any second search vendor). Replace the quickstart's `internet_search` / Tavily tool with the chosen provider's built-in web search. Look up the current tool shape on that provider's LangChain chat docs (examples as of writing — re-check if needed):

   | Provider | Built-in search tool |
   |----------|----------------------|
   | Anthropic | `{"type": "web_search_20260209", "name": "web_search", "max_uses": 5}` |
   | OpenAI | `{"type": "web_search"}` |
   | Google | `{"google_search": {}}` |

   Prefer Anthropic / OpenAI / Google so provider search is available. Only secret: that provider's API key in `.env` (gitignored). Skip LangSmith tracing unless they ask.

4. Install `deepagents` (+ `python-dotenv`) and the provider package for their model — not `tavily-python`.

5. Run the research example, show output, then stop. Point to `deep-agents-core` / customization / Managed Deep Agents for next steps.

Wersje

W bazie nie ma innych skilli o nazwie deepagents-python-quickstart.

Migawka bazy z 13.11.2026 · wersja paczki 06475ed28914 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100deepagents-typescript-quickstart
    Tworzy minimalnego lokalnego agenta Deep Agent w TypeScripcie według oficjalnego quickstartu, z natywnym wyszukiwaniem w sieci dostawcy zamiast Tavily.
  • 100langchain-python-quickstart
    Tworzy minimalnego lokalnego agenta LangChain w Pythonie według oficjalnego quickstartu.
  • 86deep
    Ładuje referencję Deep Agents przed pracą nad agentami opartymi na deepagents, LangChain lub LangGraph, w tym nad pamięcią i middleware.
  • 90tavily-usage
    Obsługuje wyszukiwanie w sieci przez Tavily, pobieranie i wyodrębnianie treści stron z adresów URL oraz scrapowanie witryn.
  • 100tavily
    Opisuje API Tavily dla aplikacji LLM: wyszukiwanie w sieci, ekstrakcja treści, crawlowanie, mapowanie witryn i research, na przykład w pipeline'ach RAG.
  • 100deepagents-architecture
    Doradza w decyzjach architektonicznych dla aplikacji Deep Agents: wybór między Deep Agents a alternatywami, strategie backendów, projekt systemów subagentów i dobór middleware.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.