Démarrage rapide Deep Agents TypeScript

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

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

Récupérez cette page (Docs MCP ou HTTP) et implémentez la forme research-agent qu'elle montre (createDeepAgent, system prompt de recherche, invocation avec une question de recherche comme « What is LangGraph? »). Nécessite Node 22+.

Contraintes de configuration locale

Appliquez celles-ci en plus du quickstart (elles maintiennent la configuration minimale et agnostique du modèle) :

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

   Which model should this agent use? Pass a provider:model string — e.g. openai:gpt-5.5, anthropic:claude-sonnet-5, google-genai:gemini-3.5-flash. Default if you're unsure: anthropic:claude-sonnet-5.
   We'll use that provider's built-in web search (no separate search API key).

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

3. N'utilisez pas Tavily (ou @langchain/tavily). Remplacez l'outil de recherche du quickstart par la recherche web intégrée du provider choisi. Consultez la forme d'export/outil actuelle dans la documentation LangChain de ce provider (exemples au moment de la rédaction — revérifiez si nécessaire) :

   Provider	Built-in search tool
   Anthropic	@langchain/anthropic tools.webSearch_*() (or equivalent dict)
   OpenAI	{ type: "web_search" }
   Google	{ google_search: {} }

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

4. Installez les packages du quickstart moins Tavily ; ajoutez le package du provider pour leur modèle.

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