从 Agent Framework 到 Agent Harness — Deep Agents 的诞生逻辑
本章是《Deep Agents 实战》系列的开篇。我们不急着写代码，而是先回答一个根本问题：在 Agent 开发领域已经有那么多框架的今天，Deep Agents 为什么还要存在？它解决了什么问题？
一个真实的困境
假设你要构建一个 AI 编程助手。它需要：
- 读取项目中的源代码文件
- 理解代码结构，制定修改计划
- 分步骤执行修改，并追踪进度
- 处理过程中发现的新问题时，能把子任务”委派”给专门的 Agent
- 在多轮对话中记住用户的偏好
如果你从零开始用 LangChain 搭建，你会发现自己在重复造轮子：手写文件读写工具、手写任务追踪逻辑、手写子 Agent 的调度机制……而这些能力，几乎每一个”认真”的 Agent 应用都需要。
这就是 Deep Agents 要解决的问题。
Agent 开发的三个层次
在 LangChain 的技术栈中，Agent 开发被划分为三个层次。理解这三个层次，是理解 Deep Agents 定位的关键。
底层：Agent Runtime（运行时层）— LangGraph
Agent Runtime 是整个技术栈的基座，它解决的是”Agent 怎么可靠地运行”的问题：
- 持久化执行（Durable Execution）：Agent 运行到一半崩溃了，能从断点恢复
- 流式输出（Streaming）：让用户实时看到 Agent 的思考和操作过程
- 人机协作（Human-in-the-Loop）：在关键操作前暂停，等待人工审批
- 状态管理（Persistence）：跨对话保存上下文
LangGraph 就是这个底层运行时。它提供了一个基于图（Graph）的执行引擎，支持上面所有这些生产级特性。你可以把它理解为 Agent 世界的”操作系统”——所有上层应用都运行在它之上。
同一层的其他选手包括：Temporal、Inngest 等持久化执行引擎。
中间层：Agent Framework（框架层）— LangChain
Agent Framework 构建在 Runtime 之上，提供更高层次的开发体验：模型抽象、工具接口、Agent 循环、中间件（Middleware）等。
LangChain 就是这样一个框架。LangChain 1.0 构建在 LangGraph 之上——它利用 LangGraph 的图执行引擎和状态管理能力，但对外提供了更简洁的 API。你在使用 LangChain 时，通常不需要直接接触 LangGraph 的底层 API：
from langchain import create_agent
agent = create_agent(
model="gpt-4.1",
tools=[web_search, calculator],
system_prompt="You are a helpful assistant."
)框架层的价值在于标准化和易上手。你不需要关心底层的执行引擎、状态持久化逻辑，框架帮你处理好了。
同一层的其他选手包括：Vercel 的 AI SDK、CrewAI、OpenAI Agents SDK、Google ADK、LlamaIndex 等。
上层：Agent Harness（工具层）— Deep Agents
这是最上面的一层，也是本系列课程的主角。
Agent Harness 是一个”开箱即用”的 Agent 套件，它在 Runtime 和 Framework 的基础上，预置了一整套经过验证的工具和能力。
这个概念怎么理解？打个比方：
- Runtime 给你提供了工作台、电源、安全护具（底层基础设施）
- Framework 给你提供了锤子、锯子、钉子（标准化开发工具）
- Harness 直接给你一个装好了的工具间，常用工具挂在墙上，工作流程贴在白板上（开箱即用）
Deep Agents 就是这样一个 Harness。它利用 LangChain 的核心构建块（模型、工具接口），运行在 LangGraph 的运行时之上，并预置了：
| 能力 | 说明 |
|---|---|
| 虚拟文件系统 | read_file、write_file、edit_file、ls、glob、grep 六大文件操作工具 |
| 任务规划 | write_todos 工具，让 Agent 能把复杂任务拆解为可追踪的步骤 |
| 子 Agent 委派 | task 工具，让 Agent 能将子任务派发给专门的 Agent |
| 长期记忆 | 基于 LangGraph Memory Store，支持跨对话的持久化记忆 |
同一层的其他选手包括：Anthropic 的 Claude Agent SDK、Manus 等。
三层关系一览
用一张表来总结（从底层到上层）：
| 层次 | 代表 | 核心价值 | 适用场景 |
|---|---|---|---|
| Runtime（底层） | LangGraph | 持久化执行、流式输出、人机协作、状态管理 | 需要精细控制的长期运行 Agent 和复杂工作流 |
| Framework（中间层） | LangChain | 模型抽象、工具接口、Agent 循环、中间件 | 快速上手、构建标准化的 Agent 应用 |
| Harness（上层） | Deep Agents | 预置工具、提示词、子 Agent、长期记忆 | 复杂多步骤任务、自主性较高的 Agent |
三者不是互相替代的关系，而是自底向上层层构建。LangGraph 是底层运行时，LangChain 构建在 LangGraph 之上提供更高层抽象，Deep Agents 则在两者之上提供开箱即用的 Agent 能力。你可以根据需求选择在不同层次上工作——需要最大灵活性就直接用 LangGraph，需要快速开发就用 LangChain，需要解决复杂任务就用 Deep Agents。
为什么需要 Agent Harness？
你可能会问：运行时和框架已经提供了构建 Agent 所需的一切，为什么还需要一个 Harness？
答案来自一个观察：成功的 Agent 产品都长得差不多。
看看市面上那些真正能完成复杂任务的 Agent 产品——Claude Code、Manus、Cursor——它们虽然各有特色，但核心能力惊人地相似：
- 都有文件系统操作能力：能读写、搜索、编辑文件
- 都有任务规划能力：能把大任务拆成小步骤
- 都有子任务委派能力：能把部分工作交给子 Agent
- 都有上下文管理策略：防止对话过长导致 LLM “失忆”
这些共性不是巧合。当 Agent 面对的任务足够复杂时，这些能力就是必需的。而 Agent Harness 的价值就在于：把这些被验证过的模式固化下来，让你不需要每次都从头实现。
Deep Agents 的核心设计理念：Context Engineering
Deep Agents 的技术核心可以用一个概念概括：Context Engineering（上下文工程）。
传统做法的问题
传统的 Agent 开发中，所有信息都塞在 prompt 里：
System: 你是一个编程助手。
User: 请帮我重构 src/ 下的代码。
[附带: 20 个文件的完整内容，共 50000 tokens]这种做法有几个致命问题：
- 上下文窗口溢出：LLM 有 token 上限，文件一多就装不下
- 注意力稀释：信息越多，LLM 对关键信息的关注度越低
- 不可扩展：无法处理任意规模的项目
Deep Agents 的做法
Deep Agents 的解决方案是引入一个虚拟文件系统，让 Agent 像人类一样工作：
- 需要读文件时，调用
read_file按需读取 - 需要记录中间结果时，调用
write_file写到文件里 - 需要搜索时，调用
grep或glob查找 - 大文件只读取需要的部分（
offset/limit参数）
这样，Agent 的上下文里只保留当前步骤真正需要的信息，其余的都存在文件系统中，需要时再取。
更巧妙的是，这个”文件系统”是虚拟的、可插拔的：
- 可以是内存中的临时存储（开发调试用）
- 可以是本地磁盘（处理真实文件）
- 可以是持久化数据库（跨会话保持记忆）
- 可以是远程沙箱（安全执行代码）
- 甚至可以混合使用（不同路径路由到不同后端）
这就是 Context Engineering——不是把所有信息都喂给 LLM，而是为 LLM 构建一个高效获取和管理信息的基础设施。
Deep Agents vs 竞品对比
市场上有三个主要的 Agent Harness：Deep Agents、Claude Agent SDK、Codex SDK。我们来看看它们的异同。
定位差异
| 维度 | Deep Agents | Claude Agent SDK | Codex SDK |
|---|---|---|---|
| 用途 | 通用 Agent（含编程） | 自定义 AI 编程 Agent | 预构建的编程 Agent |
| 模型支持 | 模型无关（Anthropic、OpenAI、Google、开源等 100+） | 绑定 Claude 系列 | 绑定 OpenAI 系列 |
| SDK 语言 | Python + TypeScript | Python + TypeScript | TypeScript |
| 执行环境 | 本地 + 远程沙箱 + 虚拟文件系统 | 本地 | 本地 + 云端 |
| 开源协议 | MIT | MIT（底层 Claude Code 专有） | Apache-2.0 |
核心能力对比
三者在核心工具层面非常接近——文件读写、Shell 执行、搜索、规划、子 Agent、MCP、人机协作、Skills——都有覆盖。
真正的差异在架构层面：
Deep Agents 的独有优势：
- 模型灵活性：随时切换模型提供商，不锁定任何厂商。这对企业级应用至关重要
- 长期记忆（Long-term Memory）：通过 Memory Store 实现跨会话、跨线程的持久化记忆。Claude Agent SDK 和 Codex SDK 都不支持这一特性
- 虚拟文件系统 + 可插拔后端：将文件操作抽象为统一接口，后端可以是内存、磁盘、数据库或沙箱
- Sandbox-as-Tool 模式：Agent 在本地运行，但可以把特定操作（如代码执行）发送到远程沙箱中执行。这是 Deep Agents 独有的设计
- 生产部署：通过 LangGraph Platform 部署，配合 LangSmith 实现完整的可观测性
Claude Agent SDK 的独有优势：
- 与 Claude 模型的深度集成
- Hooks 系统，便于拦截和控制 Agent 行为
- 支持自定义 HTTP/WebSocket 层和容器化部署
Codex SDK 的独有优势：
- OS 级别的沙箱模式（
read-only、workspace-write、danger-full-access） - 内置 MCP Server 模式
- 云端执行环境
如何选择？
- 如果你需要模型灵活性和跨会话记忆 → Deep Agents
- 如果你的团队全面使用 Claude → Claude Agent SDK
- 如果你的团队全面使用 OpenAI → Codex SDK
- 如果你需要完整的生产部署和可观测性方案 → Deep Agents + LangSmith
Deep Agents 的技术全景
最后，我们用一张图来总结 Deep Agents 在整个 LangChain 生态中的位置：
小结
本章我们理解了 Deep Agents 的设计定位：
- Agent 开发分为三个层次：Runtime（LangGraph）→ Framework（LangChain）→ Harness（Deep Agents），自底向上层层构建
- Agent Harness 的价值在于将成功 Agent 产品的共性能力（文件系统、任务规划、子 Agent、长期记忆）固化为开箱即用的组件
- Context Engineering 是 Deep Agents 的核心理念——用虚拟文件系统按需管理上下文，而不是把所有信息塞进 prompt
- 与竞品相比，Deep Agents 的最大优势是模型无关性、虚拟文件系统的可插拔后端、长期记忆、以及完整的生产部署方案
下一章，我们将动手实践，用 5 分钟构建第一个 Deep Agent。