# Deep Agents Bibliothèque pour développeurs. Fiche relevée le 3 octobre 2026 sur les pages officielles. Page : https://quelleia.com/outils/deep-agents/ ## En bref Deep Agents est une bibliothèque open source de LangChain, en Python et en TypeScript, pour programmer des agents qui mènent des tâches longues. Elle apporte la planification, des sous-agents, un système de fichiers pour gérer le contexte et une mémoire à long terme. Elle repose sur LangChain et LangGraph. LangChain en tire aussi un agent de code prêt à l'emploi dans le terminal, Deep Agents Code (`dcode`), qui accepte n'importe quel modèle. - Éditeur : LangChain, États-Unis - Prix : gratuit, à l'usage - Licence : open source (MIT) - Systèmes : Windows - Formes : bibliothèque pour développeurs (SDK), ligne de commande, extension d'éditeur, serveur ou conteneur, pilotable depuis un téléphone - Site officiel : https://www.langchain.com ## Installer Une des commandes télécharge un script et l'exécute tout de suite (`curl … | sh` ou équivalent). Lisez-le d'abord si vous voulez savoir ce qu'il fait. ### Bibliothèque Python (pip) ``` pip install deepagents ``` ### Bibliothèque Python (uv) ``` uv init ``` ``` uv add deepagents ``` ``` uv sync ``` ### Bibliothèque TypeScript (npm) ``` npm install deepagents langchain @langchain/core ``` ### Deep Agents Code (Windows : non pris en charge, essai possible par WSL) ``` curl -LsSf https://langch.in/dcode | bash ``` ``` dcode ``` ### Démarrer Côté bibliothèque, on crée un agent avec `create_deep_agent(model="fournisseur:modèle", tools=[…], system_prompt="…")` puis on l'appelle avec `agent.invoke(…)`. Dans le terminal, on lance `dcode`, on ajoute la clé d'un fournisseur avec `/auth`, puis on décrit la tâche. L'agent propose ses modifications sous forme de diff (les lignes changées), à valider. ``` dcode ``` ### Choisir le modèle Dans le code, le modèle se donne au format `fournisseur:modèle` (par exemple `anthropic:claude-sonnet-4-6`) ou sous forme d'objet de modèle LangChain déjà configuré. Dans Deep Agents Code, la commande `/model` change de modèle ou ouvre le sélecteur. ``` /model ``` Source : https://docs.langchain.com/oss/python/deepagents/quickstart (lue le 3 octobre 2026). ## Ce qu'il sait faire - **Sous-agents** : L'agent confie des tâches à des sous-agents généralistes ou spécialisés, chacun avec sa propre fenêtre de contexte (la mémoire de travail du modèle). Ils peuvent aussi tourner en arrière-plan. (https://docs.langchain.com/oss/python/deepagents/overview) - **Système de fichiers virtuel** : Les outils `ls`, `read_file`, `write_file`, `edit_file`, `glob` et `grep` travaillent sur le stockage de son choix (mémoire, disque local, store LangGraph…). Des règles de permission s'appliquent chemin par chemin. (https://docs.langchain.com/oss/python/deepagents/overview) - **Exécution de code** : L'agent lance des commandes shell dans un bac à sable isolé (outil `execute`). Un petit interpréteur JavaScript, QuickJS, lui sert à enchaîner des appels d'outils. (https://docs.langchain.com/oss/python/deepagents/overview) - **Skills et mémoire** : Les skills (procédures réutilisables) au format Agent Skills se chargent à la demande. Une mémoire persistante est lue au démarrage dans des fichiers AGENTS.md, et l'historique est résumé automatiquement. (https://docs.langchain.com/oss/python/deepagents/overview) - **MCP et validation humaine** : L'agent reprend les outils de n'importe quel serveur MCP (le protocole standard pour brancher des outils et des sources de données à un agent). Il peut s'arrêter pour demander une validation humaine avant les opérations sensibles. (https://docs.langchain.com/oss/python/deepagents/overview) - **Branchement aux éditeurs (ACP)** : Le paquet `deepagents-acp` rend un agent construit avec Deep Agents utilisable dans tout éditeur compatible ACP. ACP (Agent Client Protocol) est le protocole qui relie un agent à un éditeur comme Zed ou JetBrains. (https://docs.langchain.com/oss/python/deepagents/acp) - **Agent de code dans le terminal** : Deep Agents Code (`dcode`) propose des diffs à valider et plusieurs modes d'approbation. Il gère des objectifs et des grilles d'évaluation (`/goal`, `/rubric`), suit le coût (`/cost`) et accepte des plugins et des bacs à sable distants. (https://docs.langchain.com/oss/deepagents/code/quickstart) Les façons de l'utiliser : - Bibliothèque pour développeurs (SDK) : bibliothèque `deepagents` en Python et en TypeScript (https://docs.langchain.com/oss/python/deepagents/overview) - Ligne de commande : Deep Agents Code (`dcode`) (https://docs.langchain.com/oss/deepagents/code/overview) - Extension d'éditeur : agent rendu utilisable dans les éditeurs compatibles ACP par `deepagents-acp` (https://docs.langchain.com/oss/python/deepagents/acp) - Serveur ou conteneur : Managed Deep Agents, hébergé par LangSmith (bêta publique, région États-Unis) (https://docs.langchain.com/langsmith/python/managed-deep-agents-overview) Systèmes : - Windows : Deep Agents Code n'est pas pris en charge officiellement ; essai possible par WSL, le sous-système Linux de Windows ## Sur téléphone - Slack (Managed Deep Agents sur LangSmith) : Un agent déployé sur Managed Deep Agents se déclenche par une mention, un message direct ou une réponse dans un fil Slack, et répond dans la conversation. (https://docs.langchain.com/langsmith/python/managed-deep-agents-channels-slack) ## Prix et licence La bibliothèque et Deep Agents Code sont gratuits et open source ; on paie les modèles au fournisseur choisi. Le suivi et le déploiement passent, en option, par LangSmith. Sa formule Developer est à 0 $ par siège et par mois (1 siège, 5 000 traces par mois). Plus coûte 39 $ par siège et par mois, avec ensuite un paiement à l'usage. Enterprise est sur devis. (relevé le 3 octobre 2026, https://www.langchain.com/pricing) Licence : Open source, licence MIT. La version TypeScript (langchain-ai/deepagentsjs) est aussi sous licence MIT. Managed Deep Agents est un service de la plateforme commerciale LangSmith. (https://github.com/langchain-ai/deepagents/blob/main/LICENSE) ## Modèles Tout modèle de chat LangChain capable d'appeler des outils : Google, OpenAI, Anthropic, et des modèles ouverts servis par Baseten, Fireworks, OpenRouter ou Ollama. Deep Agents Code accepte aussi tout service compatible avec l'API d'OpenAI ou d'Anthropic, ainsi que des modèles locaux par Ollama, sans clé. - Clé d'API personnelle : oui - Modèles locaux : oui Avec un modèle local : Servir un modèle local avec Ollama, sur une API compatible OpenAI et Anthropic que la plupart des agents de code savent appeler. Ollama & les modèles locaux (https://minilabai.com/guides/ollama-modeles-locaux/), guide du même auteur que QUELLE IA. ## Résultats mesurés Comparaison avec les autres outils : https://quelleia.com/outils/harnais/ - Terminal-Bench 2.0 · GPT-5.2 Codex : 66,5 % ## Sources - https://docs.langchain.com/oss/python/deepagents/overview - https://docs.langchain.com/oss/deepagents/code/overview - https://docs.langchain.com/oss/python/deepagents/quickstart - https://docs.langchain.com/oss/javascript/deepagents/quickstart - https://docs.langchain.com/oss/deepagents/code/quickstart - https://pypi.org/project/deepagents/ - https://www.npmjs.com/package/deepagents - https://pypi.org/project/deepagents-code/ - https://pypi.org/project/deepagents-acp/ - https://docs.langchain.com/oss/python/deepagents/models - https://docs.langchain.com/oss/python/deepagents/acp - https://www.langchain.com/privacy-policy - https://www.langchain.com/about - https://github.com/langchain-ai/deepagents/blob/main/LICENSE - https://www.langchain.com/pricing - https://docs.langchain.com/oss/deepagents/code/providers - https://docs.langchain.com/langsmith/python/managed-deep-agents-overview - https://docs.langchain.com/langsmith/python/managed-deep-agents-channels-slack Non vérifié : - La documentation ne liste pas les systèmes pris en charge par la bibliothèque (Python ou Node.js). Pour Deep Agents Code, seul le refus officiel de Windows est écrit ; macOS et Linux ne sont pas cités. - Nous n'avons trouvé aucune application mobile officielle. - Attention au nom : le paquet PyPI `deepagents-cli` est marqué obsolète (c'était un outil de déploiement, remplacé par Managed Deep Agents). L'outil actuel en ligne de commande s'appelle Deep Agents Code (`dcode`, paquet `deepagents-code`). - Les étapes d'installation viennent de plusieurs pages de la documentation. Celles qui ne viennent pas de la page principale portent leur propre lien (champ `page`).