使用 deepagents deploy 构建 GTM 策略 Agent同步/异步子 Agent 编排实战【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents导读本文基于开源仓库GitHub_Trending/de/deepagents中的examples/deploy-gtm-agent示例讲解如何用deepagents deploy将一个「go-to-marketGTM市场进入策略 Agent」部署到 LangSmith 云端运行。该示例的核心价值在于演示了 deepagents 最典型的同步子 Agentsync subagent与异步子 Agentasync subagent混合编排模式市场调研同步阻塞等待结果内容创作则在后台异步执行、就绪后汇入最终策略。读完本文你将掌握 GTM Agent 的目录结构与角色配置、deepagents deploy的部署流程、通过 LangGraph SDK 流式查询部署后 Agent 的方法以及异步子 Agent 在框架底层libs/deepagents/deepagents/middleware/async_subagents.py的实现原理。一、示例概览一个会「先调研、再出策略、后写内容」的 Agentdeploy-gtm-agent是一个面向产品/功能发布的 GTM 策略 Agent。给定一个产品或功能它会协调两类子 Agent 产出一份完整的 GTM 计划以及配套的营销物料market-researcher同步负责市场调研包括竞争分析、TAM/SAM/SOM 估算、受众细分等。同步意味着主 Agent 会阻塞等待调研结果再基于结果撰写策略保证「策略建立在数据之上」。content-writer异步负责长耗时的内容创作任务——博客文章、落地页、营销文案。异步意味着任务在后台运行主 Agent 立即拿到任务 ID可边推进其他工作边监控进度物料就绪后再集成进最终 GTM 计划。这一同步/异步组合正是 deepagents 子 Agent 体系的核心用法同步保因果先有调研才有策略异步保并行内容创作不阻塞策略主线。二、前置条件与环境准备README 明确列出部署前需要准备的环境变量变量说明OPENAI_API_KEY模型访问凭证示例使用gpt-5.4-nanoLANGSMITH_API_KEY部署到 LangSmith 所需凭证操作步骤将.env复制到示例目录并填入上述密钥。部署动作依赖 LangSmith 平台因此LANGSMITH_API_KEY是必须项OPENAI_API_KEY用于模型调用。从配置层面可以进一步印证模型的选择根级部署清单 agent.json 中声明了model: {model_id: openai:gpt-5.4-nano}而市场调研子 Agent 的清单 subagents/market-researcher/agent.json 则声明model_id: openai:gpt-5.4-mini——即父 Agent 与子 Agent 可以各自使用不同的模型调研类子任务用更小的模型降低成本而策略规划由能力更强的模型完成。作为对照同一仓库中的 content-writer 异步内容子 Agent见 examples/deploy-content-writer/agent.json使用的是openai:gpt-4.1。这提示我们在设计自己的部署时可以为每个角色单独指定模型档位。三、部署一条命令完成装配与上线deepagents deploy在示例目录下执行该命令即可。subagents/目录下定义的子 Agent 会在部署时被自动发现并接入automatically discovered and wired in无需手工注册。这种「约定优于配置」的设计使新增一个子 Agent 只需添加一个目录及其清单文件。需要说明的是README 中给出的结构示意包含deepagents.toml与mcp.json而当前仓库中该示例实际落地的清单文件为agent.json根级与子 Agent 级均有。从源码结构看deepagents deploy会扫描并加载这些清单来组装部署配置因此以仓库实际文件为准、按需补充模型字段即可。具体可对照实际目录树examples/deploy-gtm-agent/ ├── AGENTS.md # Supervisor 指令 ├── README.md ├── agent.json # 部署配置模型openai:gpt-5.4-nano ├── skills/ │ └── competitor-analysis/ │ └── SKILL.md # 竞争分析技能 └── subagents/ └── market-researcher/ # 同步市场调研子 Agent ├── AGENTS.md ├── agent.json # 子 Agent 模型openai:gpt-5.4-mini └── skills/ └── analyze-market/ └── SKILL.md # 市场分析技能四、角色拆解Supervisor 指令、技能与子 Agent4.1 根级 SupervisorAGENTS.mdexamples/deploy-gtm-agent/AGENTS.md 定义了主 Agent 的能力边界与工作流是「编排逻辑」的文本载体能力声明明确自身负责协调market-researcher同步与content-writer异步两类子 Agent并逐一说明各子 Agent 负责的职责范围竞争分析、TAM/SAM/SOM、受众细分、长文创作等。工作流4 步① 收到产品/功能后先委派市场调研② 基于调研结论制定包含定位、定价、渠道选择的 GTM 策略③ 通过异步子 Agent 启动营销物料创作④ 监控异步任务并把交付物集成进最终 GTM 计划。行为准则建议必须基于市场调研数据给出推荐、策略需附带理由与证据、为 content-writer 撰写内容简报时须包含目标受众、关键信息与语气指南。4.2 同步子 AgentMarket Researchersubagents/market-researcher/AGENTS.md 定义了调研专员的行为关注领域市场体量TAM/SAM/SOM 估算与方法论、竞争分析定位、定价、份额、受众细分人口、心理、购买行为、趋势分析行业趋势、新技术、监管变化。产出格式用write_file工具将完整 Markdown 调研报告写入/memories/subagents/market-researcher/market-research-report.md其余结构化字段从报告中精炼提取并在full_report_path字段返回文件路径——这意味着主 Agent 可以通过该路径读取完整报告用于策略撰写。准则尽可能引用来源、区分硬数据与估算、标注不确定区域、聚焦对 GTM 决策有行动价值的内容。4.3 技能Skills让能力可复用、可触发技能采用 frontmatter 声明式定义包含name与description描述触发条件正文给出操作步骤competitor-analysisskills/competitor-analysis/SKILL.md 在出现「competitive landscape / competitor analysis / market comparison / competitive positioning」等关键词时触发要求识别 Top 3-5 竞品、逐家评估定位/定价/受众/优劣势、输出对比矩阵、指出差异化机会。analyze-marketsubagents/market-researcher/skills/analyze-market/SKILL.md 在出现「market analysis / market size / TAM SAM SOM / market opportunity」等关键词时触发要求界定市场边界地理/细分/时间窗、估算 TAM/SAM/SOM、识别趋势与增长驱动、绘制竞争格局、评估进入壁垒、给出机会总结与建议。技能机制的价值在于同一份方法论可以被根 Agent 与子 Agent 复用且通过 trigger 描述让模型在合适的场景自动选用而非每次提示词都重新描述流程。五、底层原理同步/异步子 Agent 在框架中如何实现5.1 三种子 Agent 形态从框架源码 libs/deepagents/deepagents/graph.py 可以看到create_agent的子 Agent 参数接受三种规格SubAgent声明式的同步子 Agent 规格CompiledSubAgent预编译的 runnable 子 AgentAsyncSubAgent远程/后台运行的子 Agent 规格。其中AsyncSubAgent条目会被识别为异步子 Agent可附带url与headers以后台任务方式运行并暴露专门的异步子 Agent 工具启动、监控、更新。若未提供名为general-purpose的子 Agent框架还会自动添加一个默认的通用同步子 Agent可通过 profile 关闭这解释了为何即使不显式声明Agent 也具备通用的子任务委派能力。5.2 异步子 Agent 中间件基于 LangGraph SDK 的后台任务libs/deepagents/deepagents/middleware/async_subagents.py 是实现异步子 Agent 的核心中间件其设计要点任务模型AsyncTask异步子 Agent 通过 LangGraph SDK 在远程Agent Protocol服务器上启动后台运行与同步子 Agent「阻塞直至完成」不同异步子 Agent 立即返回任务 ID主 Agent 可一边监控进度、一边继续工作并发送更新。AsyncSubAgent配置字段name唯一标识、description主 Agent 据此决定何时委派、graph_id远程服务器上的图名或 assistant ID、可选urlAgent Protocol 服务器地址默认用 LangGraph SDK 的默认端点与headers自建服务器时传入自定义认证。认证处理托管在 LangGraph Platform / LangSmith Deployment 时SDK 自动通过环境变量LANGGRAPH_API_KEY、LANGSMITH_API_KEY或LANGCHAIN_API_KEY完成认证自建服务器则通过headers传入。本地 ASGI 传输省略url时使用进程内 ASGI 传输对接本地服务器但该传输仅对异步入口如ainvoke可用同步invoke路径则必须提供可访问的 Agent Protocol 服务器 URL。这与 GTM 示例的编排完全对应content-writer正是作为异步后台任务运行market-researcher则走同步路径先拿到报告再写策略。六、实战部署后如何交互6.1 推荐的测试提示词部署完成后在 LangSmith 中打开该 Agent可尝试以下三类输入Were launching a new Python SDK for AI agents next month — build me a GTM plan完整 GTM 计划Help us position our vector database product against Pinecone and Weaviate竞品定位Were targeting mid-market engineering teams — what channels should we prioritize?渠道优先级预期行为Agent 先触发市场调研同步等待报告再综合产出策略并并行启动内容简报的创作任务。6.2 通过 LangGraph SDK 查询除在 LangSmith 界面交互外可通过 SDK 以代码方式发起流式会话from langgraph_sdk import get_client client get_client(urlhttps://your-deployment-url) thread await client.threads.create() async for chunk in client.runs.stream( thread[thread_id], agent, input{messages: [{role: user, content: Build a GTM plan for our new Python SDK for AI agents}]}, stream_modemessages, ): print(chunk.data, end, flushTrue)要点说明部署 URL 在 LangSmith 的Deployments页面中获取stream_modemessages按消息粒度流式返回chunk.data中即包含增量内容该 SDK 交互方式与异步子 Agent 中间件底层使用的langgraph_sdk客户端get_client/get_sync_client一脉相承也就是说「部署的 Agent 本身可被 SDK 调用」与「Agent 内部通过 SDK 调用远程异步子 Agent」共享同一套传输协议这正是 deepagents 云原生设计的一体两面。七、扩展思路把该模式迁移到自己的 Agent结合上述源码与示例若要复用该模式构建自有部署型 Agent关键步骤可归纳为目录即配置按AGENTS.md角色指令agent.json模型/描述skills/可复用方法论subagents/子 Agent的布局组织目录子 Agent 放subagents/下即自动被发现接入同步/异步分工依赖因果关系的任务先调研后决策用同步子 Agent长耗时、可并行的任务内容创作、批处理用异步子 Agent内容落地子 Agent 通过write_file将完整产物如 Markdown 报告落盘并返回路径父 Agent 据此集成模型分级在各级agent.json中为父/子 Agent 分别配置模型档位平衡质量与成本。仓库中还提供了同类型的部署示例可对照参考examples/deploy-coding-agent/README.md、examples/deploy-content-writer/README.md、examples/deploy-mcp-docs-agent/README.md它们共同展示了deepagents deploy在不同业务域编码审查、内容写作、文档检索下的统一部署范式而 GTM 示例是其中演示同步/异步混合编排最完整的样本。【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考