深度研究代理（DeepResearchAgent）开源项目教程

深度研究代理（DeepResearchAgent）开源项目教程

DeepResearchAgent 项目地址: https://gitcode.com/gh_mirrors/de/DeepResearchAgent

1. 项目介绍

深度研究代理（DeepResearchAgent）是一个分层多代理系统，不仅用于深度研究任务，也适用于通用任务解决。该框架利用顶层规划代理来协调多个专用底层代理，实现任务的自动分解和跨多样及复杂领域的有效执行。

系统采用双层结构：

• 顶层规划代理：负责理解、分解和规划给定任务的整体工作流程。将任务分解为可管理的子任务，并分配给相应的底层代理。动态地协调代理间的合作，确保任务顺利完成。
• 专用底层代理：包括深度分析器、深度研究员和浏览器使用代理等，各自负责不同的任务，如信息分析、研究以及网页操作等。

2. 项目快速启动

首先，准备开发环境：

conda create -n dra python=3.11
conda activate dra
make install

如果安装过程中遇到Playwright相关的问题，可以手动安装：

pip install playwright
playwright install chromium --with-deps --no-shell

接下来，配置环境变量。在项目根目录下创建一个.env文件，内容如下：

PYTHONWARNINGS=ignore # 忽略警告
ANONYMIZED_TELEMETRY=false # 禁用遥测
HUGGINEFACE_API_KEY=abcabcabc # 你的huggingface api key
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=abcabcabc # 你的openai api key
# (可选) 本地代理。如果你使用私有代理，请参考配置指南进行配置：
LOCAL_PROXY_BASE=http://localhost:6655
SKYWORK_API_BASE=abcabcabs
...

启动项目的一个示例：

python examples/run_example.py

3. 应用案例和最佳实践

应用案例

以“AI Agent”为例，运行以下命令：

python examples/run_example.py

最佳实践

• 模块化设计：保持代码的模块化，便于维护和扩展。
• 异步编程：使用异步框架进行开发，提高系统响应性能。
• 代码规范：遵循PEP 8等代码规范，确保代码质量。
• 持续集成：使用CI/CD工具自动化测试和部署流程。

4. 典型生态项目

• smolagents：一个轻量级代理框架。
• OpenManus：一个异步代理框架。
• browser-use：一个AI驱动的浏览器自动化工具。
• crawl4ai：一个AI应用的网络爬虫库。
• markitdown：一个文件转换为Markdown格式的工具。

以上是深度研究代理（DeepResearchAgent）开源项目的最佳实践教程。希望对您有所帮助！

DeepResearchAgent 项目地址: https://gitcode.com/gh_mirrors/de/DeepResearchAgent