Deepagents扩展开发：创建自定义Deepagents插件

【免费下载链接】deepagents Deepagents is an agent harness built on langchain and langgraph. Deep agents are equipped with a planning tool, a filesystem backend, and the ability to spawn subagents - making them well-equipped to handle complex agentic tasks. 项目地址: https://gitcode.com/GitHub_Trending/de/deepagents

Deepagents是基于langchain和langgraph构建的智能代理框架，通过规划工具、文件系统后端和子代理生成能力，能够处理复杂的代理任务。本文将详细介绍如何为Deepagents创建自定义插件（技能），帮助开发者扩展其功能，实现特定领域的自动化任务。

插件开发基础：认识Deepagents技能系统

Deepagents的插件系统以"技能"（Skill）为核心，每个技能都是一个独立的功能模块，可被主代理动态加载和使用。技能系统采用三级加载机制，确保上下文高效管理：

1. 元数据层（名称+描述）：始终保持在上下文（约100词）
2. 技能主体（SKILL.md）：技能触发时加载（<5k词）
3. 资源文件：根据需要动态加载（无限制，可执行脚本无需加载到上下文）

Deepagents技能系统架构示意图，展示了技能与主代理的交互流程

技能文件结构遵循标准化设计，主要包含：

skill-name/
├── SKILL.md (必需)
│   ├── YAML头信息 (必需)
│   │   ├── name: (必需)
│   │   └── description: (必需)
│   └── Markdown指令 (必需)
└── 资源文件 (可选)
    ├── scripts/          - 可执行代码
    ├── references/       - 参考文档
    └── assets/           - 输出资源

快速开始：创建你的第一个技能

环境准备

首先克隆Deepagents项目仓库：

git clone https://gitcode.com/GitHub_Trending/de/deepagents
cd deepagents

Deepagents提供两种创建技能的方式，适用于不同场景：

方法一：使用init_skill.py（推荐用于复杂技能）

# 创建用户级技能
scripts/init_skill.py my-first-skill --path ~/.deepagents/agent/skills

# 或创建项目级技能
scripts/init_skill.py my-first-skill --path .deepagents/skills

此脚本会自动生成完整的技能目录结构，包括：

• 标准化的SKILL.md模板
• 示例脚本目录（scripts/）
• 参考文档目录（references/）
• 资源文件目录（assets/）

方法二：使用CLI命令（快速创建简单技能）

# 创建用户级技能
deepagents skills create my-first-skill

# 或创建项目级技能
deepagents skills create my-first-skill --project

这种方式仅生成基础的SKILL.md文件，适合仅需简单指令的技能。

Deepagents CLI界面展示了技能创建命令的使用方法

技能开发详解：构建功能完善的插件

编写SKILL.md文件

SKILL.md是技能的核心，包含元数据和执行指令。YAML头信息决定技能何时被触发，需精心设计：

---
name: my-first-skill
description: "用于处理文本文件的基本技能，支持格式转换、内容提取和简单分析。当用户需要处理.txt、.md或.csv文件时自动触发。"
---

技能主体部分应遵循"渐进式披露"原则，保持简洁同时提供必要指导：

1. 概述：1-2句话说明技能功能
2. 核心功能：分点列出主要能力
3. 使用示例：提供具体用例
4. 资源说明：指引到相关脚本和参考文档

开发配套资源

根据技能需求，可添加三类资源文件：

1. 脚本（scripts/）：存放可执行代码，如Python脚本处理特定任务

#!/usr/bin/env python3
"""文本分析工具，提取关键词和摘要"""
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

def analyze_text(text):
    # 实现文本分析逻辑
    pass

if __name__ == "__main__":
    analyze_text(input("请输入文本: "))

2. 参考文档（references/）：存放API文档、数据模式等详细信息

3. 资源文件（assets/）：存放模板、图片等输出资源

技能验证与测试

使用Deepagents提供的验证工具检查技能格式：

scripts/quick_validate.py <path/to/skill-folder>

验证工具会检查：

• YAML头信息格式和必填字段
• 技能命名规范
• 描述完整性
• 允许的头信息字段

技能部署与使用

Deepagents从五个位置加载技能，优先级从低到高：

1. <package>/built_in_skills/ - 内置技能
2. ~/.deepagents/<agent>/skills/ - 用户级技能
3. ~/.agents/skills/ - 用户共享技能
4. .deepagents/skills/ - 项目级技能
5. .agents/skills/ - 项目共享技能

将开发好的技能放置在相应目录后，Deepagents会自动发现并加载。可通过以下命令查看已安装技能：

deepagents skills list

Deepagents技能工作流程示意图，展示了技能选择和执行过程

高级技巧：优化技能性能

1. 上下文管理：保持SKILL.md精简，将详细信息移至reference目录
2. 资源组织：按功能或场景组织资源，如按云平台分类部署脚本
3. 版本控制：对技能进行版本管理，方便迭代和回滚
4. 错误处理：在脚本中添加完善的错误处理，提高鲁棒性
5. 技能组合：设计可组合的小型技能，而非单一大型技能

总结

通过本文介绍的方法，你可以为Deepagents创建功能丰富的自定义插件，扩展其在特定领域的能力。无论是文本处理、数据分析还是自动化工作流，技能系统都能提供灵活而强大的扩展机制。

开始你的Deepagents插件开发之旅，释放AI代理的全部潜力！如需更多帮助，请参考项目中的示例技能：

• 文本到SQL技能
• NVIDIA深度代理
• 内容构建代理

通过这些示例，你可以学习更高级的技能设计模式和最佳实践。

【免费下载链接】deepagents Deepagents is an agent harness built on langchain and langgraph. Deep agents are equipped with a planning tool, a filesystem backend, and the ability to spawn subagents - making them well-equipped to handle complex agentic tasks. 项目地址: https://gitcode.com/GitHub_Trending/de/deepagents