深度智能体的中间件

     1.概述

        与langchian  agent一样，深度智能体也使用中间件，不过二者是有区别的，langchain agent的中间件是通过在模型调用、工具调用时插入实现对智能体运行的细粒度控制，而深度智能体的中间件则抽象层次更高，主要支持规划、持久化和创建子智能体。深度智能体支持模块化的中间件架构，当深度智能体被创建时自带以上所说的三种中间件，待办列表中间件(TodoListMiddleware),文件系统中间件( FilesystemMiddleware)和子智能体中间件(SubAgentMiddleware)，同时这些中间件是可编排的，可以根据需要配置中间件。

      2.代办列表中间件

        规划是解决处理复杂多步任务所必须的，智能体会对复杂的任务进行分析，生成待办事项列表，并且在执行过程中对待办列表进行更新。使用TodoListMiddleware中间件，智能体会按照指示使用write_todos工具来跟踪“正在做什么，还需要做什么”。

        创建深度智能体时，缺省挂载了该中间件，如果想对待办列表中间件进行定制，比如修改改中间件的系统提示词，则必须使用create_agent，示例代码如下：

from langchain.agents import create_agent
from langchain.agents.middleware import TodoListMiddleware

agent = create_agent(
    model=llm,
    # Custom planning instructions can be added via middleware
    middleware=[
        TodoListMiddleware(#根据自己的需要修改提示词
            system_prompt="Use the write_todos tool to..."  
        ),
    ],
)

      3.文件系统中间件

        上下文工程是构建有效代理的主要挑战。当工具调用结果很长时，上下文将快速膨胀，超出大模型可处理的范围，或者形成过多的噪声。使用文件系统中间件，可以把工具调用中间结果保存的长短期记忆中，仅返回经过汇总的结果。

        FilesystemMiddleware中间件提供了四个工具：ls、read_file、write_file和edit_file。中间件可以配置使用的持久化后端，缺省是基于state的后端，一般在开发和测试时使用，在生产系统则必须采用混合持久化后端。

        创建深度智能体时，缺省挂载了基于状态的持久化后端，如果要定制持久化后端，则必须使用create_agent，如下代码使用定制系统提示词的基于状态的持久化后端：

from langchain.agents import create_agent
from deepagents.middleware.filesystem import FilesystemMiddleware

agent = create_agent(
    model=llm
    middleware=[
        FilesystemMiddleware(
            backend=None,  #使用基于状态的持久化后端
            system_prompt="Write to the filesystem when...",  # 可根据需要修改
            custom_tool_descriptions={
                "ls": "Use the ls tool when...",
                "read_file": "Use the read_file tool to..."
            }  
        ),
    ],
)

        如下代码通过中间指定使用混合持久化架构：

from deepagents.backends import CompositeBackend, StateBackend, FilesystemBackend
from langchain.agents import create_agent
from deepagents.middleware.filesystem import FilesystemMiddleware
composite_backend = lambda rt: CompositeBackend(
    default=StateBackend(rt),
    routes={
        "/memories/": FilesystemBackend(root_dir="./myagent", virtual_mode=True),
    },
)
agent = create_agent(
    model=llm,
    middleware=[
        FilesystemMiddleware(
            backend=composite_backend,
            custom_tool_descriptions={
                "ls": "Use the ls tool when...",
                "read_file": "Use the read_file tool to..."
            }  
        ),
    ],
)

      4.子智能体中间件

        深度智能体在创建时缺省挂载了该中间件，可以对子智能体中间件进行定制，此时需要使用create_agent创建智能体，如下代码对子智能体进行定制：

import os
from tavily import TavilyClient
from typing import Literal
os.environ["TAVILY_API_KEY"] = "tvly-*"
tavily_client = TavilyClient(api_key=os.environ["TAVILY_API_KEY"])
from langchain.tools import tool
@tool
def internet_search(
    query: str,
    max_results: int = 5,
    topic: Literal["general", "news", "finance"] = "general",
    include_raw_content: bool = False,
):
    """Run a web search"""
    return tavily_client.search(
        query,
        max_results=max_results,
        include_raw_content=include_raw_content,
        topic=topic,
    )

from langchain_core.tools import tool
from langchain.agents import create_agent
from deepagents.middleware.subagents import SubAgentMiddleware

agent = create_agent(
    model=llm,
    middleware=[
        SubAgentMiddleware(
            default_model=llm,
            default_tools=[],
            subagents=[
                {
                    "name": "research-agent",
                    "description": "Used to research more in depth questions",
                    "system_prompt": "你是一位史学研究专家。你的工作是进行对历史问题进行透彻的研究，然后写一份专业的报告。您可以借助搜索工具从互联网收集信息作为你的研究素材.",
                    "tools": [internet_search],
                    "middleware":[],
                }
            ],
        )
    ],
)