🚀

作者：WangQiaomei

标签：AI Agent、LangChain、DeepAgent、LangGraph、Python、大模型应用、运维开发

🔥 前言

自研 Agent 想无缝迁入 LangChain Deep Agents 生态？

不想重构工具、技能、系统提示词？

这篇 Agent 工厂模块 深度笔记 直接给你答案！

✅ 桥接层设计

✅ 系统提示分层拼接

✅ 兼容旧接口

✅ 生产可用

---

一、模块定位：自研 Agent → LangChain 迁移核心

Agent 工厂模块 是Agent 工厂模块，核心使命：把自研 Agent 体系无痛迁入 LangChain Deep Agents 生态= 旧工具 / 技能 / 接口不变 + 直接用上 LangGraph 能力

---

二、核心架构（一眼看懂）

text

DeepAgentFactory
├── create()              # 创建对话级 Agent（兼容旧接口）
├── create_global_agent() # 全局复用 Agent
└── _build_deep_agent()   # 封装 create_deep_agent()

---

三、核心模块（行号 + 功能一目了然）

表格

模块	行号	功能
工具适配层	L63-L220	自研 BaseTool/@agent_tool → LangChain StructuredTool
DeepAgentContext	L227-L254	上下文容器：deep_agent/checkpointer/config
DeepAgentFactory	L273-L710	工厂核心：封装构建、记忆、配置

---

四、Deep Agents 内置能力（自动集成）

• write_todos：任务规划 / 跟踪
• task：子代理委托
• read_file/write_file/edit_file/ls：文件操作
• summarize：上下文自动摘要

---

五、使用示例（复制即用）

python

运行

factory = DeepAgentFactory(skill_loader=..., tool_registry=...)

# 创建 Agent 上下文
ctx = factory.create(
    bot=bot,
    skill_ids=["monitoring_metrics"],
    user_id="user123"
)

# 调用 Agent
result = await ctx.deep_agent.ainvoke(
    {"messages": [{"role": "user", "content": "查询数据库指标"}]},
    config=ctx.config
)

---

六、新旧体系对照（迁移不迷路）

表格

旧系统	Deep Agents 新版
AgentFactory.create()	DeepAgentFactory.create()
自研 ReAct 循环	create_deep_agent()(LangGraph)
ToolRegistry	自动适配 LangChain Tool
手动状态管理	MemorySaver + thread_id

---

七、🔥 关键细节：parts 到底是什么？（高频面试点）

1. 作用

parts = []分层构建 System Prompt（系统提示词），模块化、可扩展、易维护。

2. 四层拼接逻辑

python

运行

parts = []

# 1️⃣ Bot 层：角色身份
parts.append(f"You are {bot.name}.")
parts.append(bot.description)
parts.append(bot.system_prompt_extra)

# 2️⃣ Team 层：团队协作上下文
parts.append(team.description)
parts.append("Shared team context:...")
parts.append("You are working with:...")

# 3️⃣ Agent 层：交互风格
parts.append(INTERACTION_STYLE_PROMPTS[...])

# 4️⃣ Skills 层：可用能力
parts.append(f"Available capabilities: {skill_list}")

# 最终拼接
return "\n\n".join(parts)

3. 最终效果示例

plaintext

You are 运维助手.

负责监控和告警处理，擅长数据库性能分析。

You are working with agents: [告警分析师,日志专家]. 
Strategy: sequential.请用简洁专业语气回答。

Available capabilities: 监控查询,告警分析,日志查询

4. 为什么分层 append？（架构亮点）

• Bot：定义身份
• Team：多智能体协作上下文
• Agent：语气 / 风格控制
• Skills：告诉 LLM 能用什么能力模块化 → 易扩展、易排查、易复用

---

八、总结（一句话记住）

Agent 工厂模块 = 自研 Agent ↔ LangChain Deep Agents 桥接层保留旧工具 / 技能 / 接口，直接升级 LangGraph 智能体架构。

---

🎯 博主寄语

这套结构是企业级 Agent 迁移标准范式。收藏 = 少踩 3 天坑。

需要完整可运行源码或多智能体协作流程图的同学，评论区扣「1」！

👉 关注 @WangQiaomei，持续更新 AI Agent 实战干货！