Deep Search Agent

基于 LangGraph ReAct 的深度搜索 Agent，使用 Qwen 3.5 Plus 和 Tavily 搜索。

特性

• 多轮对话支持 - 使用 LangGraph 内置 checkpointer 维护对话状态
• 智能上下文摘要 - 对话过长时自动触发 LLM 摘要，减少 token 消耗
• 流式输出 - 支持流式响应
• 多线程会话 - 支持多个独立对话线程

快速开始

# 1. 安装依赖
pip install -r requirements.txt

# 2. 配置环境变量
cp .env.example .env
# 编辑 .env 填入你的 API keys

# 3. 运行示例
python examples/basic_usage.py

使用方法

from deep_search_agent import DeepSearchAgent, AgentConfig

# 初始化
config = AgentConfig(model_name="qwen-plus")
agent = DeepSearchAgent(config)

# 单轮对话
response = agent.chat("查找 LangGraph 最新特性")
print(response)

# 多轮对话（自动维护上下文）
response = agent.chat("详细说明其中一点")

# 流式输出
for chunk in agent.stream_chat("搜索 Python 异步编程"):
    print(chunk, end="")

# 多线程会话
response = agent.chat("问题1", thread_id="session_1")
response = agent.chat("问题2", thread_id="session_2")

# 重置对话
agent.reset()

# 查看上下文统计
print(agent.get_context_summary())

API Keys

• DashScope: https://dashscope.aliyun.com/
• Tavily: https://tavily.com/

架构说明

Memory 管理

使用 LangGraph InMemorySaver 作为 checkpointer，配合自定义 ConversationMemory 类实现智能摘要：

# 当消息数超过阈值时自动触发摘要
if len(messages) >= config.max_messages_before_summary:
    summary, recent_messages = memory.summarize(messages, llm)
    # 用摘要替代旧消息，保留最近 N 条

State 结构

{
    "messages": List[BaseMessage],  # 当前窗口的消息
    "summary": Optional[str]        # 历史摘要
}

配置选项

参数	说明	默认值
model_name	Qwen 模型名称	qwen-plus
max_search_rounds	最大搜索轮数	5
max_messages_before_summary	触发摘要的消息数	10
max_messages_keep_after_summary	摘要后保留的消息数	5
tavily_max_results	搜索结果数量	5

文件结构

deep_search_agent/
├── __init__.py       # 包导出
├── agent.py          # 核心 Agent 类
├── config.py         # 配置管理
├── memory.py         # 上下文摘要逻辑
└── tools.py          # Tavily 搜索工具

tests/
├── test_agent.py     # Agent 测试
├── test_memory.py    # Memory 测试
└── test_tools.py     # Tools 测试

examples/
└── basic_usage.py    # 使用示例