Démarrage rapide Deep Agents en Python

Suivez la documentation en direct — n'inventez pas une API alternative de mémoire :

https://docs.langchain.com/oss/python/deepagents/quickstart

Récupérez cette page (Docs MCP ou HTTP) et implémentez la forme research-agent qu'elle montre (create_deep_agent, research system prompt, invoquez avec une question de recherche comme « What is LangGraph? »).

Contraintes de configuration locale

Appliquez ceci par-dessus le quickstart (cela garde la configuration minimale et agnostique du modèle) :

1. Demandez quel provider/modèle utiliser. Montrez que Deep Agents sont agnostiques du modèle. Prompt suggéré :

   Quel modèle cet agent doit-il utiliser ? Passez une chaîne provider:model — par exemple openai:gpt-5.5, anthropic:claude-sonnet-5, google_genai:gemini-3.5-flash. Par défaut si vous n'êtes pas sûr : anthropic:claude-sonnet-5.
   Nous utiliserons la web search intégrée de ce provider (pas de clé API de recherche séparée).

2. Créez un nouveau répertoire (par exemple deep-agent/) et faites tout le travail dedans — ne polluez pas le projet ouvert.

3. N'utilisez pas Tavily (ou aucun autre vendor de recherche). Remplacez l'outil internet_search / Tavily du quickstart par la web search intégrée du provider choisi. Consultez la forme d'outil actuelle dans la documentation LangChain chat du provider (exemples au moment de la rédaction — revérifiez si nécessaire) :

   Provider	Outil de recherche intégré
   Anthropic	{"type": "web_search_20260209", "name": "web_search", "max_uses": 5}
   OpenAI	{"type": "web_search"}
   Google	{"google_search": {}}

   Privilégiez Anthropic / OpenAI / Google pour que la recherche du provider soit disponible. Seul secret : la clé API du provider dans .env (gitignée). Ignorez le tracing LangSmith sauf s'ils demandent.

4. Installez deepagents (+ python-dotenv) et le package du provider pour leur modèle — pas tavily-python.

5. Lancez l'exemple research, affichez le résultat, puis arrêtez. Pointez vers deep-agents-core / customization / Managed Deep Agents pour les étapes suivantes.