DeepAgents 是什么？一句话说，它是一个开箱即用的 Agent Harness——智能体运行支架。

很多时候，大家做 Agent 卡在哪？不是模型不够聪明，而是规划、读写文件、长上下文、子任务协作这些「硬骨头」得自己一块块接。DeepAgents 把这些能力内置好了，而且不是演示用的附属功能，而是奔着多步骤、长链路任务去的生产级底座。具体包括：

自动任务规划（Planning）	文件系统读写（Filesystem）
子 Agent 协作（Sub Agents）	上下文压缩与管理（Context Management）
长任务执行（Long Running Tasks）	人工审批（Human-in-the-Loop）
持久化记忆（Memory）	流式输出（Streaming）

动画视频在：《1. DeepAgents 开箱，鸿蒙自动化测试 Agent 框架跑通》。

别把它当成另起炉灶的新框架。DeepAgents 站在 LangChain / LangGraph 之上：LangChain 提供零件，LangGraph 提供引擎与编排，DeepAgents 则把生产级能力预先装好，让你能直接上手。若你还没有 LangChain 基础，建议先补一补上一个合集，再回来会顺很多。

三层大致可以这样理解：

LangChain：Model、Prompt、Tool、Retriever、Output Parser

LangGraph：状态管理、工作流编排、节点与边、Checkpoint 持久化

DeepAgents：任务规划、文件系统、子 Agent、上下文压缩、长任务执行、人工审批、持久化记忆、流式输出

选型也不用纠结「哪个更高级」，按链路长短判断就行。

LangChain 更适合短链路、路径清晰的场景，比如 FAQ / 智能客服、知识库问答（RAG）、轻量工具助手。一旦任务变成多步闭环、还要可靠交付，DeepAgents 就更合适——多步业务闭环 Agent、文档密集型流程，以及我们后面要做的鸿蒙自动化测试 Agent，都属于这一类。

鸿蒙自动化测试正好拿来检验长任务能力：从读需求到出报告，链路够长，步骤也够细。本课主线就是这六步闭环：

①   读取需求文档  ② 生成测试用例  ③ 测试前截图 ④ 执行测试 ⑤ 测试后截图 ⑥ 生成报告

理论说到这，接下来进入代码实战。

首先安装需要的开发库：

pip install python-dotenv deepagents langchain-openai

大模型参数配置方面的内容，我们在学习 LangChain 时讲过好多遍了，这里就不再重复了。参数文件.env内容如下：

API_KEY="填上你的API KEY "
BASE_URL="访问URL地址"
MODEL="模型名称"

接着从 deepagents 里导入 create_deep_agent。按官网的说法，它就是 deepagents 的主入口：日常创建智能体，核心就用这一个函数。作用是创建一个具备规划、工具调用和上下文管理能力的 Deep Agent，后面所有功能都围绕它来跑。

from deepagents import create_deep_agent

在调用 create_deep_agent 时，有几个关键参数需要了解：

①  model 指定智能体用哪一个大模型

②  system_prompt 是系统提示词，用来规定智能体的角色和行为

③  debug 打开调试模式，可以查看运行过程中的详细信息，方便排查问题

def create_test_agent():
    return create_deep_agent(
        model=model,
        system_prompt="HarmonyOS 自动化测试专家。",
        debug=True
    )

智能体创建好了之后，接着在 main 函数中，先调用 create_test_agent 创建智能体实例，然后用 invoke 方法发起一次对话。传入的是一个字典，messages 里放消息列表；每条消息有 role 和 content，role 是 user 表示用户提问，content 就是具体要求。

结果里的 messages 保存了整轮对话，我们取最后一条消息，也就是智能体的最终回复，再从 content 内容里把文本取出来打印。

def main():
    agent = create_test_agent()
    result = agent.invoke(
        {"messages": [{"role": "user", "content":
            "用3行列出 HarmonyOS 自动化测试3步流程，每行一句，禁止扩展。"}]})
    print(result["messages"][-1].content[0]["text"])

run_automation_test.py完整代码如下：

import os
from dotenv import load_dotenv
from deepagents import create_deep_agent

load_dotenv()
os.environ["OPENAI_API_KEY"] = os.getenv("API_KEY")
os.environ["OPENAI_BASE_URL"] = os.getenv("BASE_URL")
model = f"openai:{os.getenv('MODEL')}"


def create_test_agent():
    return create_deep_agent(
        model=model,
        system_prompt="HarmonyOS 自动化测试专家。",
        debug=True
    )


def main():
    agent = create_test_agent()
    result = agent.invoke(
        {"messages": [{"role": "user", "content":
            "用3行列出 HarmonyOS 自动化测试3步流程，每行一句，禁止扩展。"}]})
    print(result["messages"][-1].content[0]["text"])


if __name__ == '__main__':
    main()

运行这段代码，你就拥有了一个具备鸿蒙自动化测试专家角色定位的智能体。虽然这只是一个最简单的示例，但它已经跑通了 DeepAgents 的核心流程。在此基础上，我们可以逐步添加文件读取、截图工具、测试执行等能力，最终构建出完整的鸿蒙自动化测试 Agent。

动画视频在：《1. DeepAgents 开箱，鸿蒙自动化测试 Agent 框架跑通》。