demo/ — Subagents 抓包实验（手写版 + Deep Agents 版）

配套笔记：

../13-附录-Subagents为什么是4次调用-抓包实录.md —— 手写 @tool 包装版，4 次模型调用的报文解读
../14-附录-手写Tool包装vsDeepAgents内置subagents.md —— 手写版 vs Deep Agents subagents= 的逐项对照

文件清单#

文件	作用
`demo.py`	手写版最小 Subagents 系统：主管（1 个工具 `schedule_event`）+ 日历子智能体（1 个工具 `create_calendar_event`，桩函数）。跑一次用户请求会产生 4 次模型调用。
`deepagents_demo.py`	Deep Agents 版：`create_deep_agent(tools=[save_note], subagents=[research_subagent])`。用来对照”`subagents=` 参数最终变成了什么”。
`capture.py`	mitmdump addon：把 `api.deepseek.com` 的请求/响应正文逐条落成 JSONL（输出路径可用 `CAPTURE_OUT` 指定）。
`summarize.py`	把抓包 JSONL 汇总成”第 N 次调用：请求了什么上下文 → 产出了什么”的可读清单（兼容 Responses / Chat 两种协议）。
`captured.jsonl`	手写版实测抓包（4 条 HTTP 往返，16 KB，只含正文，不含请求头与密钥）。
`captured_deepagents.jsonl`	Deep Agents 版实测抓包（4 条 HTTP 往返，约 107 KB——因为 `task` + 7 个文件系统工具的 schema 都要随每次请求发送）。

跑一遍#

1
# 1) 模型配置（不要写进代码/仓库）
2
export CLOUD_MODEL_BASE_URL=https://api.deepseek.com
3
export CLOUD_MODEL_API_KEY=<你的 key>
4
export CLOUD_MODEL_NAME=deepseek-v4-flash-vision-exp
5
export CLOUD_MODEL_DEFAULT_REF=deepseek
6
export CLOUD_MODEL_PROVIDER=deepseek
7
export CLOUD_MODEL_PROTOCOL=RESPONSES      # 或 CHAT，两条路都验证过
8

9
# 2) 直接跑（不抓包）
10
python demo.py                 # 手写版
11
python deepagents_demo.py      # Deep Agents 版
12

13
# 3) 抓包跑（另开一个终端起代理）
14
python -m venv /tmp/mitmenv && /tmp/mitmenv/bin/pip install mitmproxy
15
/tmp/mitmenv/bin/mitmdump -q -s capture.py -p 8888 --set confdir=/tmp/subagents-demo/.mitmproxy
16
HTTPS_PROXY=http://127.0.0.1:8888 SSL_CERT_FILE=/tmp/subagents-demo/.mitmproxy/mitmproxy-ca-cert.pem python demo.py
17
# Deep Agents 版换个输出文件，避免覆盖上一次抓包：
18
CAPTURE_OUT=$PWD/captured_deepagents.jsonl /tmp/mitmenv/bin/mitmdump -q -s capture.py -p 8888 --set confdir=/tmp/subagents-demo/.mitmproxy
19
HTTPS_PROXY=http://127.0.0.1:8888 SSL_CERT_FILE=/tmp/subagents-demo/.mitmproxy/mitmproxy-ca-cert.pem python deepagents_demo.py
20

21
# 4) 看结果
22
python summarize.py captured.jsonl
23
python summarize.py captured_deepagents.jsonl

实测结果速览（2026-09-01）#

手写版（demo.py，详见 13 篇）：4 次调用 / 2227 in + 720 out tokens / 端到端约 5 秒。

#	谁在调模型	上下文	产出	in / out tokens
1	主管	system + 用户原话	`function_call: schedule_event`	347 / 75
2	日历子智能体	自己的 system + 转交的请求	`function_call: create_calendar_event`	398 / 584
3	日历子智能体	上者 + 工具结果	文本（回给主管）	1020 / 30
4	主管	system + 用户原话 + 1 的调用 + 3 的结果	文本（给用户）	462 / 31

Deep Agents 版（deepagents_demo.py，详见 14 篇）：形状同构，但首轮上下文大得多。

#	谁在调模型	上下文	产出	in / out tokens
1	主管	system + 用户原话 + 9 个工具的 schema	`task(description, subagent_type="research-agent")`	2622 / 466
2	调研子智能体	只有自己的 system + 主管给的任务描述	`ls(path="/")`	2536 / 841
3	调研子智能体	上者 + `ls` 结果	调研结论（回给主管）	3392 / 1473
4	主管	system + 用户原话 + `task` 调用 + 工具结果	面向用户的回答	4561 / 933

Deep Agents 的派活次数由模型决定：同一份代码另一次运行里，主管连续调了 5 次 task（12 条消息）。所以”Deep Agents 一次请求等于几次模型调用”没有固定答案。

环境说明#

解释器：Python 3.11 + langchain 1.x + langchain-openai 1.x（文档里的 create_agent / @tool API）；Deep Agents 版另需 deepagents 0.7.5。
模型：请求名 deepseek-v4-flash-vision-exp，接口回报的实际模型是 deepseek-flash（/v1/models 里只有 deepseek-flash、deepseek-v4-pro）。
协议：/v1/responses（Responses API）与 /v1/chat/completions 都能跑通工具调用；本仓库抓的是 Responses 协议。
子智能体里的 create_calendar_event 是桩函数（不写真实日历），只为让”子智能体自己也要调工具”这一步真实发生。
Deep Agents 版里 research-agent 没有显式指定 tools，所以它继承了主 Agent 的全部工具（文件系统工具 + save_note）——这正是 14 篇要提醒的默认值之一。