关于托管深度智能体（Managed Deep Agents）你需要了解的全部内容：https://t.co/wiQVO5luru

托管深度智能体：快速将深度智能体投入生产的最快方式

来源：https://www.langchain.com/blog/introducing-managed-deep-agents 今天，我们在私有测试版中推出Managed Deep Agents，这是一个基于 API 优先的托管运行时，用于创建、运行和运营深度智能体。

Deep Agents (https://docs.langchain.com/oss/python/deepagents/overview) 为开发者提供了一个开源框架，用于构建能够规划、使用工具、委派给子智能体、编写文件并在长时间跨度内工作的智能体。Managed Deep Agents 则为这些智能体在 LangSmith 中提供了一个持久化的运行环境。

通过 Managed Deep Agents API，你可以从自己的应用程序或内部平台工作流中以编程方式创建、更新、管理和运行智能体。

我们首先向设计合作伙伴开放 API，以便在与构建真实工作流的团队紧密协作后，再向更广泛的用户提供自助服务。

加入私有测试版等候名单 (https://www.langchain.com/langsmith-managed-deep-agents-waitlist)

构建有用的智能体正变得越来越容易，但在生产环境中运行它们仍然困难重重。

长时间运行的智能体不仅仅需要一次模型调用。它们需要持久化执行、流式传输、记忆、文件、工具访问、人工审批、沙盒、追踪以及持续改进的能力。

团队可以自己构建这套基础设施，但在智能体接触到用户之前，就需要承担大量维护工作。最终，你不仅要维护智能体本身，还需要维护运行时基础设施、文件存储、工具配置、沙盒执行、线程状态、追踪和反馈循环。

Managed Deep Agents 将围绕开源 Deep Agents 框架的操作层打包，让开发者可以专注于智能体的行为，而不是重新构建底层的运行时。

我们在私有测试版中推出的内容

私有测试版侧重于在 LangSmith 中运行深度智能体所需的一小组托管化原语。

托管运行时

Managed Deep Agents 让你无需搭建自定义智能体服务器即可创建托管 Deep Agent。

该运行时支持持久化线程、流式运行、检查点以及人机协作工作流。你可以通过 API 从自己的产品或平台工作流中创建智能体、更新其配置、创建线程以及流式运行。

API 接口位于 /v1/deepagents 下。

智能体上下文与文件

Managed Deep Agents 保留了熟悉的 Deep Agents 项目结构，包括 AGENTS.md、skills/、subagents/ 和 tools.json。

这些文件定义了智能体的行为方式、可以使用哪些工具、可以加载哪些专业技能，以及可以将工作委派给哪些子智能体。Managed Deep Agents 将这些文件存储在 LangSmith 中并进行版本管理，因此智能体定义可以随时间演变。

Context Hub 为智能体提供了一个托管位置，用于跨运行保留和更新所需的上下文。这对于需要跟踪用户偏好、项目细节、研究笔记、操作流程或其他工作上下文的智能体来说非常重要。

你可以选择启用 LangSmith Engine 来审查智能体的追踪记录，发现智能体提示和代码中的错误及改进点。在运行间隙，智能体可以回顾对话、从实际使用中学习，并更新 Context Hub 中的文件。

随着时间的推移，这使智能体能够从它实际完成的工作中不断改进。例如，对于一个支持分类智能体，LangSmith Engine 可能会注意到用户反复询问同一个内部流程，然后更新其操作笔记。

更多信息请阅读 LangSmith Engine 发布文章 (https://www.langchain.com/blog/introducing-langsmith-engine)。

工具与沙盒

工具通过 tools.json 进行配置，这与 Deep Agents 使用的模型相同。你可以在 tools.json 定义的任何工具上启用人工介入功能。

Managed Deep Agents 还支持基于沙盒的执行，适用于需要代码、Shell 命令和文件 I/O 的工作流。这对于需要分析数据、操作文件、运行脚本或在其工作过程中创建产物的智能体非常有用。

无需为每个智能体重建工具和沙盒设置，你可以将这些配置保留在托管运行时中，并通过 LangSmith 进行管理。

LangSmith 可见性

Managed Deep Agents 的运行会自动在 LangSmith 中被追踪。团队可以检查工具调用、调试行为、审查中间步骤，并了解智能体随时间推移的改进情况。

这为开发者提供了与智能体和 LLM 应用程序相同的可观测性工作流，现在直接连接到托管运行时。

工作原理

启动路径是 API 优先的。你可以通过 Managed Deep Agents API 创建或更新智能体，然后上传或引用定义它的文件。这些文件包括指令、技能、子智能体和工具配置。

之后，你可以创建线程并从你的应用程序中流式运行，而无需部署自定义智能体服务器。当智能体运行时，你可以在 LangSmith 中检查追踪记录和智能体上下文。

这能解锁什么

Managed Deep Agents 专为需要长时间跨度工作、使用工具、保留上下文并生成产物的智能体而设计。

一些例子：

• 支持与分类智能体：跨长时间运行的线程工作，跟踪先前的上下文，在需要时升级问题，并根据重复出现的问题更新自己的操作笔记。
• 研究智能体：收集资料、编写笔记、保留中间发现，并在多个会话中生成可交付成果。
• 编码智能体：需要文件系统、Shell 命令、工具访问以及可恢复执行以完成较长任务的智能体。
• 数据分析智能体：运行代码、保留产物并在探索性工作流中维护上下文。
• 内部运维智能体：通过反复使用改进自身上下文，例如入职助手、策略智能体或工作流协调器。

这些智能体需要的不仅仅是一个提示和一次工具调用。它们需要一个能够支持持久化工作的运行时。

基于开源的 Deep Agents 构建

Managed Deep Agents 是团队获得具有 LangSmith 托管运行时基础设施的 Deep Agents 的最快途径。你可以将智能体定义保留在代码仓库中，然后使用 API 在 LangSmith 中创建和运营托管智能体。

这意味着开发者可以使用开源框架进行构建，同时依赖 LangSmith 提供持久化执行、托管上下文、沙盒工作流，并与 LangSmith 的可观测性完全集成。

开始使用

Managed Deep Agents 目前处于私有测试阶段。

如果你正在构建需要持久化执行、工具、沙盒、追踪以及托管生产路径的深度智能体，请加入私有测试版等候名单 (https://www.langchain.com/langsmith-managed-deep-agents-waitlist)。

你也可以阅读文档 (https://docs.langchain.com/langsmith/deploy-managed-deep-agent)，了解如何通过 API 部署托管深度智能体。