Managed Deep Agents v0.8：新增认证、记忆与通道（12分钟阅读）

# 受管深度智能体为生产环境中的智能体带来更优用户体验 来源：https://www.langchain.com/blog/langsmith-managed-deep-agents-whats-new 今日我们推出 Managed Deep Agents 0.8 版本，新增对用户自有凭证、用户级记忆、HTTP 通道、Slack 文件传输的支持，并内置了由 Parallel 提供支持的网页搜索预置工具。 受管深度智能体（Managed Deep Agents, 简称 MDA）(https://docs.langchain.com/langsmith/python/managed-deep-agents-overview) 是构建、部署和运行关键任务级智能体的最简方案，让工程团队能专注于智能体行为逻辑，而非重复搭建每个智能体都需要的基础架构。此次发布扩展了受管深度智能体的能力，以应对团队在生产环境运行智能体时面临的四大挑战：智能体记忆、身份认证、通道接入与工具管理。 立即体验受管深度智能体 (https://docs.langchain.com/langsmith/python/managed-deep-agents-quickstart/?utm_medium=internal&utm_source=blog&utm_campaign=q3-2026_mda-0.8-release_co) 受管深度智能体 (https://docs.langchain.com/langsmith/python/managed-deep-agents-overview) 将深度智能体运行框架与生产环境运行所需的全部基础设施整合于一体。受管深度智能体项目采用代码优先模式，您可以在代码仓库中通过简洁的目录结构组织所有智能体原语： ``` my-agent/ agent.py | agent.ts | agent.tsx pyproject.toml | package.json # 项目依赖项 instructions.md # 同步至 Context Hub 的提示词 identity.py | identity.ts # 身份认证、对话线程作用域、记忆作用域 memory.py | memory.ts # 定义智能体记忆 tools/ # 自定义工具 channels/ # Slack、GitHub 等入口通道 middleware/ # 自定义中间件 schedules/ # 托管定时任务 connectors/ # 托管连接器 skills/ # 同步至 Context Hub 的技能模块 sandbox/ # 沙箱配置 evals/ # 智能体评估 ``` ## 实践中的受管深度智能体 假设您正在构建一个支持销售团队的内部智能体（本文中称之为 **GTM 智能体**）。您希望该智能体能够查询客户详情、研究客户背景、起草会议简报、跟进邮件等，并帮助维护客户关系。为此，该智能体需要记忆能力、工具访问权限、网页搜索、推理和规划能力。 深度智能体 (https://www.langchain.com/deep-agents) 等智能体运行框架有助于构建这类智能体。它们提供构建复杂智能体的原语，使其能够承担长期运行的关键任务。借助深度智能体，快速创建原型变得轻而易举，但让智能体在生产环境中无缝运行则需要更多工作。 这正是受管深度智能体的用武之地。它将您定制的深度智能体框架与运行此类智能体所需的托管基础设施打包整合，包括添加 Slack 等通道、身份认证与鉴权，以及管理工具权限。构建此类基础设施通常需要耗费数个季度的开发计划并需要持续维护。受管深度智能体让工程师能够专注于智能体逻辑构建，将样板代码交由平台处理。 ## 按用户划分的智能体记忆能力 当智能体在生产环境中被多用户使用时，强大且安全的记忆管理系统至关重要。受管深度智能体已支持持久化智能体记忆，使部署实例能在多轮对话间保留指令和偏好设置。记忆配置可通过简单的声明文件完成： ``` # 记忆声明文件可实现持久化的智能体与用户级记忆 my-agent/ agent.py memory.py ``` 在 Managed Deep Agents 0.8 版本中，我们新增了第二层用户级记忆作用域，该记忆绑定到启动智能体运行的已认证用户。这为智能体提供了存储调用者特定上下文的空间，例如偏好设置、工作风格、重复性任务或用户要求记住的细节，且不会与共享的智能体级记忆混淆。 ``` from managed_deepagents import MemoryLayer, define_memory memory = define_memory( agent=MemoryLayer(), user=MemoryLayer(), ) ``` 底层技术上，持久化记忆由 LangSmith Context Hub (https://www.langchain.com/blog/introducing-context-hub) 提供支持，使团队能够存储、版本化并协作处理技能模块和 AGENTS.md 等智能体文件。智能体记忆挂载于 `/memories/agent/` 路径，由部署实例的所有使用者共享。用户记忆挂载于 `/memories/user/` 路径，并绑定到调用者的认证身份。运行时绝不会在这些层之间复制内容，因此团队可以默认保持共享知识与个人上下文的分离。这在实际智能体用例中非常实用，例如： - 支持型智能体可使用智能体记忆存储团队级升级规则，使用用户记忆记住特定同事偏好简洁的 Slack 更新。 - 研究型智能体可将共享研究流程存入智能体记忆，同时将个人用户偏好的信息源类型或格式规范存入用户记忆。 > “使用受管深度智能体的体验非常流畅。LangChain 团队与我们配合默契，快速协助解决问题。我们的生产环境聊天应用作为受管深度智能体运行——通过 Context Hub 和用户级记忆，我们能够在保持客户机密性的同时提供卓越体验。” —— Zahid，首席技术官，**Kyth.ai** (http://kyth.ai/) 记忆功能易于配置，仅需受管深度智能体项目中的单个文件即可实现。您可以启用智能体层、用户层或两者兼启。还可以为每层定义访问策略，让团队控制记忆的可用时机及适用范围。除非特别指定，受管深度智能体采用以下默认设置： | 运行来源 | 智能体记忆 | 用户记忆 | |------------------|------------|----------| | Slack 一对一私信 | 允许 | 允许 | | Slack 频道或群组 | 允许 | 拒绝 | | HTTP 通道 | 允许 | 拒绝 | 这种分层机制确保用户级信息不会“泄露”到涉及多用户的对话中。考虑前述的 ***GTM 智能体***。用户可能通过智能体的私信发起请求，也可能在 Slack 群组中发起请求。预定义的访问策略与默认设置确保： - 私信中智能体会根据用户个人偏好执行操作。 - 线程或 Slack 群组中涉及多用户的请求，智能体将默认采用工作区/团队偏好。 - 两种场景间的偏好设置与存储记忆完全隔离。 在此了解更多智能体与用户级记忆的设置方法 (http://docs.langchain.com/langsmith/python/managed-deep-agents-memory)。 ## 通过连接器安全提供用户与智能体身份 连接器将受管深度智能体与 GitHub、Notion 或 Tavily 等外部服务相关联。连接器是在 LangSmith 工作区中命名的凭证，工具仅在运行时读取这些凭证。 与记忆管理类似，根据智能体用途及用户交互方式对凭证进行作用域划分至关重要。通过受管深度智能体，您可以按用户或智能体层级划分凭证作用域。 智能体级凭证在所有用户间共享，适用于不区分个人的智能体功能（如网页搜索）。而当用户在工具内拥有独特权限时，用户级凭证则至关重要。这对于 GitHub、Linear、Notion 等工具通常是必需的。 受管深度智能体连接器 例如，我们的 **GTM 智能体**应能在用户通过私信请求时传递用户凭证并使用 Salesforce 数据，同时也能使用智能体凭证进行网页搜索以获取客户信息。 受管深度智能体原生支持 23 种服务 (https://docs.langchain.com/langsmith/python/managed-deep-agents-connections#use-the-oauth-catalog)，包括 Linear、GitHub 和 Google Workspace 工具，LangSmith 将管理授权、令牌和方法，开发者只需配置用户 ID 和密钥即可。 在此了解如何设置和使用连接器中的凭证 (https://docs.langchain.com/langsmith/python/managed-deep-agents-connections)。 ## 通过用户首选通道访问智能体 内部智能体通常通过 Slack 等现有通信渠道访问。受管深度智能体提供预置的 Slack 支持，使团队能在现有工作场景中轻松接入智能体。 本次发布后，受管深度智能体现支持更丰富的 Slack 工作流，包括文件传输 (https://langchain-5e9cc07a-preview-docsmd-1789592284-4ee7e30.mintlify.site/langsmith/python/managed-deep-agents-channels-slack)，并新增 HTTP 通道 (http://docs.langchain.com/langsmith/python/managed-deep-agents-channels-http)，可将智能体接入任何支持 JSON webhook 的服务。 ```python # channels/orders.py from managed_deepagents import channels from lib.orders import parse, verify, messaging channel = channels.http( provider="orders", verify=verify, parse=parse, messaging=messaging, ) ``` 基于 Slack 的工作流中，用户可通过私信、应用提及或线程回复调用智能体。借助文件传输支持，他们还能在对话中直接发送智能体所需的材料，如日志、表格、合同、截图或客户文档。例如，使用我们的 **GTM 智能体**，用户现在可在 Slack 中发起请求时，直接添加之前通话的记录或客户共享的文档。智能体随即获取文件，将其加入上下文并基于内容作出响应。 HTTP 通道使团队能够将智能体接入内部工具、客户门户、支持系统、订单系统或任何可发送 webhook 的产品界面。这对于存在于多渠道的客户型智能体尤为实用。例如，处理咨询与分类的客户支持智能体可接入产品平台，而安排演示与会议的智能体可接入产品网页。 无论 Slack 还是 HTTP 方式，团队都能完全掌控认证、身份与记忆管理，同时让用户通过首选渠道访问智能体。 > “\[受管深度智能体\] 迄今为止是端到端最完整的智能体平台。Slack 集成运行完美，由于我们通过 Slack 访问所有智能体，这大大简化了工作流程。借助 CLI 和 GitHub Actions，我们成功将多个搭载自定义 MCP 服务器的智能体部署到生产环境。现在我们实现了全天候问题分类处理，可接入正确的监控系统，并能创建 PR 与提醒团队。” —— Derek Gilbert，Consensus 工程团队 ## 内置网页搜索，由 Parallel 提供支持 网页搜索是最常见的智能体工具之一，因此我们将其直接集成到受管深度智能体中。现在，您可以使用由 Parallel (https://parallel.ai/) 提供支持的网页搜索功能，无需创建独立供应商账户、管理额外 API 密钥或自行接入搜索工具。 只需在工具文件夹中指定 MCP 服务器，LangSmith 即可管理 Parallel 凭证并执行工具。智能体会收到可引用的相关摘录与源网址，而调用次数、延迟与错误均会在 LangSmith 追踪记录中呈现。 在 `tools/mcp.py` 或 `tools/mcp.ts` 的服务器映射中添加 Parallel。仅需定义一次 `mcp`： ```python from managed_deepagents import define_mcp mcp = define_mcp( servers={ "Parallel": { "transport": "http", "url": "https://api.smith.langchain.com/v1/managed-tools/servers/parallel/mcp", }, }, ) ``` ## 快速入门 Managed Deep Agents 0.8 简化了智能体认证、记忆与通道管理，并引入网页搜索作为预置工具。 我们期待看到团队如何利用这些新功能，因此将在 MDA 测试期间**通过受管深度智能体免费提供 Parallel 网页搜索**。 在受管深度智能体文档 (https://docs.langchain.com/langsmith/python/managed-deep-agents-overview) 中了解更多信息，或通过以下命令开始使用： ```bash uvx --from managed-deepagents mda init my-agent cd my-agent uv run mda deploy ``` 我们将持续改进受管深度智能体，很乐意了解您正在构建的应用。加入我们的 Slack 社区 (https://www.langchain.com/join-community) 分享您的进展，并随时向我们反馈任何意见。