异步子代理

异步子智能体允许监督智能体启动后台任务并立即返回，这样监督智能体可以在子智能体并发工作的同时继续与用户交互。监督智能体可以在任何时候检查进度、发送后续指令或取消任务。

异步子智能体允许监督智能体启动后台任务并立即返回，这样监督智能体可以在子智能体并发工作的同时继续与用户交互。监督智能体可以在任何时候检查进度、发送后续指令或取消任务。

这建立在 子智能体 的基础上，后者同步运行并阻塞监督智能体直到完成。当任务为长时运行、可并行化或需要在飞行中调整时，使用异步子智能体。

在智能体服务器上，监督智能体也会学习任务何时完成、失败或需要输入，因此它不必检查。

异步子智能体与实现 智能体协议 的任何服务器通信。您可以使用 LangSmith 部署，或自托管任何兼容智能体协议的服务器。每个子智能体独立于监督智能体运行，监督智能体通过 SDK 控制它们以启动、检查、更新和取消。

何时使用异步子智能体

维度	同步子智能体	异步子智能体
执行模型	监督智能体阻塞直到子智能体完成	立即返回作业 ID；监督智能体继续
并发性	并行但阻塞	并行且非阻塞
任务中更新	不可能	通过 update_async_task 发送后续指令
取消	不可能	通过 cancel_async_task 取消运行任务
状态持续性	无状态 — 调用之间没有持久状态	有状态 — 在自己的线程上跨交互维护状态
适用场景	智能体应在继续之前等待结果的任务	长时运行、复杂的管理交互式聊天的任务

配置异步子智能体

将异步子智能体定义为指向智能体协议服务器的 @[AsyncSubAgent 规格列表：

:::python

from deepagents import AsyncSubAgent, create_deep_agent

async_subagents = [
    AsyncSubAgent(
        name="researcher",
        description="Research agent for information gathering and synthesis",
        graph_id="researcher",
        # No url → ASGI transport (co-deployed in the same deployment)
    ),
    AsyncSubAgent(
        name="coder",
        description="Coding agent for code generation and review",
        graph_id="coder",
        # url="https://coder-deployment.langsmith.dev"  # Optional: HTTP transport for remote
    ),
]

agent = create_deep_agent(
    model="google_genai:gemini-3.6-flash",
    subagents=async_subagents,
)

字段	类型	描述
name	str	必填。唯一标识符。监督智能体在启动任务时使用此字段。
description	str	必填。此子智能体执行的操作。监督智能体使用此字段来决定将哪个智能体委托出去。
graph_id	str	必填。智能体协议服务器上的图 ID（或助手 ID）。对于基于 LangGraph 的部署，此字段必须与 langgraph.json 中注册的图匹配。
url	str	可选。如果省略，则使用 ASGI 传输（进程内）。如果设置，则使用 HTTP 传输到远程智能体协议服务器。
headers	dict[str, str]	可选。用于远程服务器请求的自定义认证的附加标头。用于自托管的智能体协议服务器。
mode	"isolated" | "fork"	可选。控制子智能体在启动时接收的对话上下文。默认为 "isolated"。参见 选择启动模式。
update_strategy	"interrupt" | "enqueue"	可选。如何在运行活动时 update_async_task 发送后续指令。默认为 "interrupt"。参见 理解生命周期。
webhook	str	可选。当此子智能体的运行完成时，智能体服务器调用的 URL。参见 通过您的应用程序交付结果。
notify_parent	bool	可选。当监督智能体空闲时，子智能体完成时是否可以唤醒监督智能体。默认为 True。
:::

:::js

Google

import { createDeepAgent, type AsyncSubAgent } from "deepagents";

const asyncSubagents: AsyncSubAgent[] = [
  {
    name: "researcher",
    description: "Research agent for information gathering and synthesis",
    graphId: "researcher",
    // No url → ASGI transport (co-deployed in the same deployment)
  },
  {
    name: "coder",
    description: "Coding agent for code generation and review",
    graphId: "coder",
    // url: "https://coder-deployment.langsmith.dev"  // Optional: HTTP transport for remote
  },
];

const agent = createDeepAgent({
  model: "google:gemini-3.6-flash",
  subagents: [...asyncSubagents],
});

字段	类型	描述
name	string	必填。唯一标识符。监督者（supervisor）在启动任务时使用此标识符。
description	string	必填。此智能体（subagent）的功能。监督者（supervisor）使用此信息决定委托给哪个智能体（agent）。
graphId	string	必填。Agent 协议服务器上的图 ID（graph ID）或助手 ID（assistant ID）。对于基于 LangGraph 的部署，此 ID 必须与 langgraph.json 中注册的图匹配。
url	string	可选。省略时，与相同的 Agent 服务器部署通信（服务器为运行中的图提供的地址）。设置 url 以连接远程服务器，或当您的 Agent 服务器尚未提供该地址时。参见 选择传输方式。
headers	Record<string, string>	可选。远程服务器请求的附加标头。用于与自托管 Agent 协议服务器进行自定义认证。
mode	"isolated" | "fork"	可选。控制智能体（subagent）在启动时接收的对话上下文。默认值为 "isolated"。参见 选择启动模式。
updateStrategy	"interrupt" | "enqueue"	可选。update_async_task 在运行活动时如何发送后续指令。默认值为 "interrupt"。参见 理解生命周期。
webhook	string	可选。Agent 服务器在智能体（subagent）的运行结束时调用的 URL。参见 通过您的应用程序交付结果。
notifyParent	boolean	可选。当监督者（supervisor）空闲时，智能体（subagent）完成时是否可以唤醒监督者。默认值为 true。
:::

对于基于 LangGraph 的部署，在相同的 langgraph.json 中注册所有图，用于协同部署：

{
  "graphs": {
    "supervisor": "./src/supervisor.py:graph",
    "researcher": "./src/researcher.py:graph",
    "coder": "./src/coder.py:graph"
  }
}

使用异步智能体工具

当配置异步智能体时，Deep Agents 堆栈 中包含的 @[AsyncSubAgentMiddleware] 为监督者（supervisor）提供五个工具：

工具	目的	返回值
start_async_task	启动新的后台任务	任务 ID（立即）
check_async_task	获取任务当前状态和结果	状态 + 结果（如果已完成）
update_async_task	向正在运行的任务发送新指令	确认 + 更新状态
cancel_async_task	停止正在运行的任务	确认
list_async_tasks	列出所有具有实时状态的已跟踪任务	所有任务的摘要

监督者的 LLM 像调用任何其他工具一样调用这些工具。中间件自动处理线程创建、运行管理和状态持久化。

理解生命周期

典型的交互遵循以下顺序：

• 启动 在服务器上创建新线程并开始运行，输入由 启动模式 确定。隔离模式仅发送任务描述；分叉模式还会发送父智能体的有效对话历史。线程 ID 作为任务 ID 返回。监督者向用户报告此 ID 并不轮询完成状态。
• 检查 获取当前运行状态。如果运行成功，它检索线程状态以提取子智能体的最终输出。如果仍在运行，它向用户报告运行状态。
• 更新 在同一线程上创建新运行。默认情况下它会中断先前运行，子智能体使用完整的对话历史和新指令重新启动。任务 ID 保持不变。
• 取消 调用 runs.cancel() 并将任务标记为 "cancelled"。
• 列出 遍历所有跟踪的任务。对于非终端任务，它并行从服务器获取实时状态。终端状态（success、error、cancelled）从缓存返回。

:::python 要让后续任务等待，设置 update_strategy="enqueue"。更新 然后在当前任务后排队新运行，任务在启动前保持 pending 状态。取消任务也会取消仍在活动的先前运行。 如果当前运行在后续任务开始前因输入或审批而暂停，后续任务仍会启动，该请求将被丢弃。

update_strategy 需要 deepagents>=0.7.30。它处于 beta 状态；API 和行为可能在版本之间发生变化。

:::

:::js 要让后续任务等待，设置 updateStrategy: "enqueue"。更新 然后在当前任务后排队新运行，任务在启动前保持 pending 状态。取消任务也会取消仍在活动的先前运行。 如果当前运行在后续任务开始前因输入或审批而暂停，后续任务仍会启动，该请求将被丢弃。

updateStrategy 需要 deepagents>=1.16.0。它处于 beta 状态；API 和行为可能在版本之间发生变化。

:::

如果子智能体因输入或审批而暂停，检查 和 列出 会将其报告为 waiting。更新 waiting 任务会丢弃其挂起请求，取消一个任务仅将其标记为 "cancelled"，因为它没有活动的运行。参见 处理等待输入的子智能体。

在 智能体协议 服务器上运行时，子智能体在完成时会自动更新监督者。如果使用 单部署 为监督者和子智能体，子智能体会在监督者空闲时唤醒它；否则它会在下一次运行开始时接收更新。

:::python 任务通知需要 deepagents>=0.7.26。它们处于 beta 状态；API 和行为可能在版本之间发生变化。 ::: :::js 任务通知需要 deepagents>=1.16.0。它们处于 beta 状态；API 和行为可能在版本之间发生变化。 :::

:::python 通知作为 HumanMessage 返回给监督者。它们可以包含图像和其他多模态媒体。消息在 additional_kwargs["deepagents_notification"] 中携带 @[TaskEvent]（task_id、agent_name、status、run_id），因此您的应用可以与用户消息不同地显示通知：

for message in state["messages"]:
    if event := message.additional_kwargs.get("deepagents_notification"):
        print(event["agent_name"], event["status"])  # success, error, timeout, cancelled, or waiting

:::

:::js 通知以 HumanMessage 的形式返回给主管。它们可以包含图像和其他多模态媒体。消息在 additional_kwargs.deepagents_notification 中携带 TaskEvent（task_id、agent_name、status、run_id），因此您的应用程序可以与用户消息不同地显示通知：

for (const message of state.messages) {
  const event = message.additional_kwargs.deepagents_notification as
    | { agent_name: string; status: string }
    | undefined;
  if (event) {
    console.log(event.agent_name, event.status); // success, error, timeout, cancelled, or waiting
  }
}

:::

通过您的应用程序传递结果

:::python webhook 和 notify_parent 需要 deepagents>=0.7.30。notify_parent 处于 beta 状态；API 和行为可能在版本之间发生变化。 ::: :::js webhook 和 notifyParent 需要 deepagents>=1.16.0。notifyParent 处于 beta 状态；API 和行为可能在版本之间发生变化。 :::

将 webhook 设置为当子智能体的运行结束时，智能体服务器会调用您的应用程序。调用包括运行的线程 ID、运行 ID、状态和元数据，包括 parent_thread_id 和 subagent_name。要改为通过您的应用程序传递结果而不是唤醒主管，请关闭父通知。在子智能体运行时，主管仍然会接收其更新。

:::python

from deepagents import AsyncSubAgent

async_subagents = [
    AsyncSubAgent(
        name="researcher",
        description="Research agent for information gathering and synthesis",
        graph_id="researcher",
        webhook="https://my-app.example.com/hooks/subagent-finished",
        notify_parent=False,  # Your app delivers the result
    ),
]

:::

:::js

import type { AsyncSubAgent } from "deepagents";

const asyncSubagents: AsyncSubAgent[] = [
  {
    name: "researcher",
    description: "Research agent for information gathering and synthesis",
    graphId: "researcher",
    webhook: "https://my-app.example.com/hooks/subagent-finished",
    notifyParent: false, // Your app delivers the result
  },
];

※ 重要提示：在您之前的输出中占位符集不正确。缺少的 id：[‘0’]；意外的额外 id：[]。请再次翻译全文，并保持每个占位符（六边形括号 + 数字）的原位置，且仅出现一次。

:::

处理等待输入的子智能体

:::python waiting 状态需要 deepagents>=0.7.26。它处于 beta 状态；API 和行为可能在版本之间发生变化。 ::: :::js waiting 状态需要 deepagents>=1.16.0。它处于 beta 状态；API 和行为可能在版本之间发生变化。 :::

当子智能体使用 interrupt() 或 human-in-the-loop 暂停等待输入或批准时，check 和 list 工具会将其报告为 waiting 并附带其挂起的中断。主管无法代表用户回答或批准。请求是针对用户的。

您的应用程序在子智能体自己的线程上回答它。任务 ID 是子智能体的线程 ID：

:::python

from langgraph_sdk import get_client


async def answer_waiting_subagent(task_id: str, graph_id: str, answer: object) -> None:
    client = get_client()  # Pass url=... for a subagent on another deployment
    thread = await client.threads.get(task_id)  # The task ID is the subagent's thread ID
    interrupt = next(iter(thread["interrupts"].values()))[0]
    await client.runs.create(
        task_id,
        graph_id,
        command={"resume": {interrupt["id"]: answer}},
    )

:::

:::js

import { Client } from "@langchain/langgraph-sdk";

async function answerWaitingSubagent(
  taskId: string,
  graphId: string,
  answer: unknown,
): Promise<void> {
  const client = new Client(); // Pass apiUrl for a subagent on another deployment
  const thread = await client.threads.get(taskId); // The task ID is the subagent's thread ID
  const [interrupt] = Object.values(thread.interrupts ?? {})[0];
  await client.runs.create(taskId, graphId, {
    command: { resume: { [interrupt.id!]: answer } },
  });
}

:::

当子智能体在回答后完成时，主管会像往常一样收到通知。如果子智能体需要从主管而不是用户那里获取信息，请让它在其结果中询问。主管会以 update_async_task 回复。

理解状态管理

:::python 任务元数据存储在主管图的专用状态通道（async_tasks）中，与消息历史分开。这至关重要，因为深度智能体在上下文窗口填满时会 压缩其消息历史。如果任务 ID 仅在工具消息中，它们会在压缩过程中丢失。专用通道确保主管可以通过 list_async_tasks 始终回忆其任务，即使在多次摘要之后。

每个跟踪的任务记录任务 ID、智能体名称、线程 ID、运行 ID、状态和时间戳（created_at、last_checked_at、last_updated_at）。

查找主管的子智能体线程

线程标记需要 deepagents>=0.7.26。它处于 beta 状态；API 和行为可能在版本之间发生变化。

start_async_task 使用 metadata={"parent_thread_id": ...}（主管的线程 ID）为每个子智能体创建线程。使用它来查找主管的子智能体线程，或要在子智能体的图工厂中读取主管的线程：

from langchain_core.runnables import RunnableConfig
from langgraph_sdk import get_client

from deepagents import create_deep_agent


async def find_subagent_threads(parent_thread_id: str) -> list[dict]:
    client = get_client()
    return await client.threads.search(metadata={"parent_thread_id": parent_thread_id})


def researcher(config: RunnableConfig):
    # Set when a supervisor launched this run with `start_async_task`
    parent_thread_id = (config.get("metadata") or {}).get("parent_thread_id")
    return create_deep_agent(
        model="google_genai:gemini-3.8-flash",
        system_prompt="You research topics thoroughly.",
    )

例如，子智能体可以通过使用 parent_thread_id 查找它来重用主管的 线程范围沙盒。首先检查调用者是否有权访问该线程，因为任何有权访问该线程的人都可以编辑其元数据。

:::js 任务元数据存储在主管图上的专用状态通道（asyncTasks）中，与消息历史分开。这是至关重要的，因为当上下文窗口填满时，深度智能体会压缩其消息历史。如果任务 ID 仅在工具消息中，它们会在压缩过程中丢失。专用通道确保主管可以通过 list_async_tasks 始终回忆其任务，即使在多次摘要之后。

每个跟踪的任务记录任务 ID、智能体名称、线程 ID、运行 ID、状态和时间戳（createdAt、checkedAt、updatedAt）。

查找主管的子智能体线程

线程标记需要 deepagents>=1.16.0。

start_async_task 使用 metadata: { parent_thread_id }（主管的线程 ID）为每个子智能体线程创建线程。用它来查找主管的子智能体线程，或读取子智能体图工厂中的主管线程：

Google

import { Client } from "@langchain/langgraph-sdk";
import type { LangGraphRunnableConfig } from "@langchain/langgraph";
import { createDeepAgent } from "deepagents";

async function findSubagentThreads(parentThreadId: string) {
  const client = new Client();
  return client.threads.search({ metadata: { parent_thread_id: parentThreadId } });
}

function researcher(config: LangGraphRunnableConfig) {
  // Set when a supervisor launched this run with `start_async_task`
  const parentThreadId = config.metadata?.parent_thread_id;
  return createDeepAgent({
    model: "google:gemini-3.6-flash",
    systemPrompt: "You research topics thoroughly.",
  });
}

:::

选择传输方式

:::python

ASGI 传输（共部署）

当子智能体规范省略 url 字段时，LangGraph SDK 使用 ASGI 传输——SDK 调用通过进程内函数调用进行路由，而不是 HTTP。对于基于 LangGraph 的部署，这要求两个图都注册在同一个 langgraph.json 中。

ASGI 传输消除了网络延迟，且无需额外的认证配置。子智能体仍然作为单独的线程运行，拥有自己的状态。这是推荐的默认选项。 :::

:::js

同部署（省略 url）

当子智能体规范省略 url 字段时，LangGraph SDK 与运行此图的 Agent Server 通信，使用该服务器提供的地址。否则，SDK 默认为 http://localhost:8123。对于基于 LangGraph 的部署，在同一个 langgraph.json 中注册两个图。

已部署的 Agent Server 从版本 0.18.0 开始提供此地址（langgraph dev 已经这样做）。在早期版本中，将 url 设置为部署 URL。 :::

HTTP 传输（远程）

添加 url 字段以切换到 HTTP 传输，其中 SDK 调用通过网络连接到远程 Agent Protocol 服务器：

:::python

from deepagents import AsyncSubAgent

AsyncSubAgent(
    name="researcher",
    description="Research agent",
    graph_id="researcher",
    url="https://my-research-deployment.langsmith.dev",
)

:::

:::js

{
  name: "researcher",
  description: "Research agent",
  graphId: "researcher",
  url: "https://my-research-deployment.langsmith.dev",
}

:::

对于 LangGraph 部署，认证由 LangGraph SDK 使用环境变量中的 LANGSMITH_API_KEY（或 LANGGRAPH_API_KEY）处理。自托管的 Agent Protocol 服务器可能使用不同的认证机制。

当子智能体需要独立扩展、不同的资源配置或由不同团队维护时，使用 HTTP 传输。

选择启动模式

每个 @[AsyncSubAgent] 规范上的 mode 字段控制任务启动时子智能体接收的对话上下文。

模式	行为
"isolated"（默认）	仅发送委派的任务描述。子智能体以全新状态启动，不了解父智能体的对话历史。
"fork"	在启动时发送父智能体对话的快照，然后发送任务描述。子智能体可以在后台工作时使用该上下文。

"isolated" 是大多数任务的最佳选择。当子智能体需要已建立的上下文时使用 "fork"——例如，一个背景起草智能体，它应该使用对话中已设置的风格和声音来写作。

分叉模式

:::python 分叉模式是实验性的，可能在未来的版本中发生变化。 ::: :::js 分叉模式需要 deepagents>=1.16.0。它是实验性的，可能在未来的版本中发生变化。 :::

:::python

在任何 AsyncSubAgent 规范上设置 mode="fork"：

async_subagents=[
    {
        "name": "drafter",
        "description": "Drafts documents based on the conversation context",
        "graph_id": "drafter",
        "mode": "fork",
    }
]

:::

:::js

在任何 AsyncSubAgent 规范上设置 mode: "fork"：

const asyncSubagents: AsyncSubAgent[] = [
  {
    name: "drafter",
    description: "Drafts documents based on the conversation context",
    graphId: "drafter",
    mode: "fork",
  },
];

:::

启动时，start_async_task 向子智能体发送父智能体的有效对话历史记录的快照，然后发送任务描述。如果父智能体已经压缩了历史记录，则快照包含压缩后的上下文，而不是每个原始消息。父智能体稍后的消息不会被转发给子智能体。

子智能体在新的服务器线程上启动。分叉模式将对话消息作为运行输入发送；它不会复制父智能体的检查点历史记录或所有父状态。元数据可以将新线程与其主管关联起来，但这种关联本身不会传递对话上下文。

提示词缓存重用。 要在分叉的对话前缀上获得缓存命中，请将远程智能体配置与父智能体相同的模型、系统提示词、工具和提示词处理中间件。分叉模式复制对话历史记录；它不会同步这些设置。匹配的配置是必要的但不充分：渲染的前缀必须匹配，并且缓存命中取决于提供者。

:::js 离线媒体。 如果父智能体使用 offloadBinaryContent 离线媒体，分叉模式发送指向它的引用，而不是媒体本身。子智能体必须是深度智能体，共享父智能体的后端才能查看媒体；其他深度智能体会收到一条消息说明它不可用，其他图无法使用这些消息。 :::

选择部署拓扑

单一部署

:::python 单一部署意味着所有智能体都使用 ASGI 传输在同一服务器上协同部署。对于基于 LangGraph 的部署，将所有图注册在一个 langgraph.json 中。这是推荐的起点——一个服务器来管理，智能体之间零网络延迟。 :::

:::js 单一部署意味着所有智能体都使用 Agent Server 协同部署在同一服务器上。省略 url，以便每个图通过该服务器到达其他图。对于基于 LangGraph 的部署，将所有图注册在一个 langgraph.json 中。这是推荐的起点——一个服务器来管理。 :::

分离部署

主管在一个服务器上，子智能体通过 HTTP 传输在另一个服务器上。当子智能体需要不同的计算配置文件或独立扩展时使用。

混合

:::python 在混合部署中，一些子智能体通过 ASGI 协同部署，其他通过 HTTP 远程部署：

from deepagents import AsyncSubAgent

async_subagents = [
    AsyncSubAgent(
        name="researcher",
        description="Research agent",
        graph_id="researcher",
        # No url → ASGI (co-deployed)
    ),
    AsyncSubAgent(
        name="coder",
        description="Coding agent",
        graph_id="coder",
        url="https://coder-deployment.langsmith.dev",
        # url present → HTTP (remote)
    ),
]

:::

:::js 在混合部署中，一些子智能体省略 url（同一 Agent Server），其他设置 url 以指向远程服务器：

import type { AsyncSubAgent } from "deepagents";

const asyncSubagents: AsyncSubAgent[] = [
  {
    name: "researcher",
    description: "Research agent",
    graphId: "researcher",
    // No url → same Agent Server
  },
  {
    name: "coder",
    description: "Coding agent",
    graphId: "coder",
    url: "https://coder-deployment.langsmith.dev",
    // url present → HTTP (remote)
  },
];

※ 重要提示：在您之前的输出中占位符集不正确。缺少的 ID：[‘0’]；意外的额外 ID：[]。请再次翻译全文，并保持每个占位符（六边形括号 + 数字）的原位置，且仅出现一次。

:::

最佳实践

为本地开发调整工作线程池大小

当在本地使用 langgraph dev 运行时，增加工作池以适应并发子智能体运行。每个活动运行占用一个工作槽位。一个具有 3 个并发子智能体任务的监督者需要 4 个槽位（1 个监督者 + 3 个子智能体）。资源不足会导致启动排队。

langgraph dev --n-jobs-per-worker 10

编写清晰的子智能体描述

监督者使用描述来决定启动哪个子智能体。要具体且以行动为导向：

:::python

Good

from deepagents import AsyncSubAgent

AsyncSubAgent(
    name="researcher",
    description="Conducts in-depth research using web search. Use for questions requiring multiple searches and synthesis.",
    graph_id="researcher",
)

:::

:::js

Good

// Good
{
  name: "researcher",
  description: "Conducts in-depth research using web search. Use for questions requiring multiple searches and synthesis.",
  graphId: "researcher",
}

:::

使用线程 ID 进行跟踪

在使用基于 LangGraph 的部署时，每个异步子智能体运行都是标准的 LangGraph 运行，完全可见于 LangSmith。监督者的跟踪显示了 launch、check、update、cancel 和 list 的工具调用。每个子智能体运行都显示为单独的跟踪，通过线程 ID 链接。使用线程 ID（任务 ID）将监督者编排跟踪与子智能体执行跟踪关联起来。

故障排除

监督者在启动后立即轮询

问题：监督者在启动后立即在循环中调用 check，将异步执行转换为阻塞。

解决方案：中间件注入系统提示词规则以防止这种情况。如果轮询仍然存在，请在监督者的系统提示词中加强此行为：

:::python

from deepagents import create_deep_agent

agent = create_deep_agent(
    model="google_genai:gemini-3.6-flash",
    system_prompt="""...your instructions...

    After launching an async subagent, ALWAYS return control to the user.
    Never call check_async_task immediately after launch.""",
    subagents=async_subagents,
)

:::

:::js

import { createDeepAgent } from "deepagents";

const agent = createDeepAgent({
  model: "google:gemini-3.6-flash",
  systemPrompt: `...your instructions...

    After launching an async subagent, ALWAYS return control to the user.
    Never call check_async_task immediately after launch.`,
  subagents: [...asyncSubagents],
});

:::

监督者报告陈旧状态

问题：监督者参考对话历史中早先的任务状态，而不是执行新的 check 调用。

解决方案：中间件提示词指示模型“对话历史中的任务状态总是陈旧的。”如果仍然发生这种情况，请在报告状态之前添加明确的指令，始终调用 check 或 list。

任务 ID 查找失败

问题：监督者截断或重新格式化任务 ID，导致 check 或 cancel 失败。

解决方案：中间件提示词指示模型始终使用完整的任务 ID。如果截断仍然存在，这通常是一个特定于模型的问题——尝试使用不同的模型或在系统提示词中添加“始终显示完整的 task_id，不要截断或缩写它”。

子智能体启动排队而不是运行

问题：启动子智能体挂起或启动时间过长。

解决方案：工作池可能已满。使用 --n-jobs-per-worker 增加池大小。参见 调整工作池大小。

参考实现

async-deep-agents 存储库包含 Python 和 TypeScript 的工作示例，这些示例部署到 LangSmith 部署。它演示了一个具有研究人员和编码器子智能体的监督者，这些子智能体作为后台任务运行。

---

官方原文：src/oss/deepagents/async-subagents.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。