A LangChain felhőbe költözteti a Deep Agents ügynököket
Nyilvános bétába lépett a LangChain Managed Deep Agents szolgáltatása, amely a nyílt forráskódú Deep Agents keretrendszerre épülő ügynököket futtatja a LangSmith Cloudon. A fejlesztők egy projektmappából, egyetlen telepítési paranccsal indíthatnak éles környezetben működő ügynököt.
- A Managed Deep Agents nyilvános bétában érhető el a LangSmith Cloudon.
- Az ügynökök Python-projektként, fájlokból építhetők fel és az mda deploy paranccsal telepíthetők.
- A szolgáltatás tartós memóriát, ütemezést, Slack-csatornákat és homokozót is kezel.
- A futtatások nyomai a LangSmithben vizsgálhatók, az utasítások és készségek a Context Hubban szerkeszthetők.
Fájlokból összeállított ügynökök
A Managed Deep Agents egy hagyományos Python-projektként kezeli az ügynököt. Az egyetlen kötelező fájl az agent.py, amelyben a define_deep_agent segítségével adható meg az ügynök neve, a használt modell és az eszközei. A rendszerutasítások az instructions.md fájlba kerülnek, a skills/ mappák pedig olyan munkafolyamatokat tartalmazhatnak, amelyeket az ügynök az adott feladatnál tölt be.
Az eszközök hagyományos Python-függvények lehetnek, de távoli MCP-szerverekhez is lehet csatlakozni. A LangChain példája szerint a projekt létrehozása, helyi futtatása és telepítése az mda init, mda dev és mda deploy parancsokkal történik. A helyi fejlesztői mód elindítja az Agent Servert, és megnyitja az ügynököt a LangSmith Studioban, ahol a fejlesztő beszélgethet vele és megvizsgálhatja a nyomkövetéseit.
Memória, ütemezés és elkülönített futtatási környezet
A szolgáltatás célja, hogy a fejlesztőknek ne kelljen külön felépíteniük és üzemeltetniük az éles futtatáshoz szükséges infrastruktúrát. Minden telepítés a LangSmith Agent Serveren fut, amely tartós szálakat és streamelt futásokat biztosít szerverüzemeltetés nélkül.
A projekt fokozatosan bővíthető. A memory.py tartós memóriát adhat az ügynöknek, amely megosztható minden hívó között, felhasználónként elkülöníthető, vagy mindkét réteget tartalmazhatja. A schedules/ mappában cron-alapú feladatok adhatók meg, a channels/slack.py pedig Slackből indítható futásokat tesz lehetővé. Webhookon keresztül más szolgáltatások is elindíthatják az ügynököt.
A sandbox/ elkülönített fájlrendszert és parancssort biztosít az ügynök által írt kód futtatásához. Az identitáskezelés privát szálakat, memóriát és hitelesítő adatokat tehet lehetővé, a kapcsolatok pedig az OAuth-folyamatokat és az API-kulcsok tárolását kezelik. Az ügynökök alügynököket is használhatnak, amelyek közül egy aszinkron alügynök a háttérben dolgozhat tovább.
Éles használat és fejlesztői visszacsatolás
A LangChain szerint a nyilvános bétában többféle feladatra használják a Managed Deep Agentst. Ilyen például a Slackbe érkező incidensek kivizsgálása, a hibajavítások tesztelése és pull requestek megnyitása, az issue-kezelőből indított mérnöki munkafolyamat, valamint a vállalati belső asszisztens. Az ügynökök saját frontend mögött, felhasználónként elkülönített memóriával is működhetnek, továbbá hosszabb projektekhez vagy ütemezett értékelésekhez is bevethetők.
A futtatások nyomai a LangSmithben jelennek meg, így a fejlesztők olvashatják az eszközhívásokat és a köztes lépéseket. Az utasítások és a készségek a LangSmith Context Hubban is szerkeszthetők, ezért bizonyos módosítások újratelepítés nélkül elvégezhetők. A tartós memória szintén itt él, a LangSmith Engine pedig a nyomok alapján visszatérő problémák feltárásában és az utasítások, illetve készségek javításának javaslatában segíthet.
A Managed Deep Agents 2026. május 13-án indult privát bétaként, a LangChain közlése szerint 2026. november 2-án már nyilvános bétában érhető el a LangSmith Cloudon. A szolgáltatás ugyanazt a nyílt forráskódú Deep Agents keretrendszert futtatja, amely fájlrendszert, tervezést, készségeket és alügynököket biztosít. A különbség az üzemeltetésben van: a kezelt változatnál a futtatókörnyezetet a LangChain állítja össze és működteti.
LangChain: Managed Deep Agents: the fastest way to ship a production deep agent
