Felhőbe érkezett a Deep Agents
Nyilvános bétában vált elérhetővé a LangChain Managed Deep Agents szolgáltatása. A rendszer a nyílt forráskódú Deep Agents keretrendszerre épülő ügynököket futtatja a LangSmith Cloudon, így a fejlesztőknek nem kell saját környezetet kialakítaniuk az éles működéshez. Egy projektmappából, egyetlen telepítési paranccsal indíthatnak használatra kész ügynököt.
A megoldásról a Managed Deep Agents nyilvános bétája kapcsán az AI Hírek beszámolója szerint a szolgáltatás a fejlesztési folyamatot és az üzemeltetést is egységesebb modellbe rendezi. A LangChain közlése alapján a platform ugyanazokat az alapvető képességeket használja, mint a Deep Agents nyílt forráskódú változata, vagyis fájlrendszert, tervezést, készségeket és alügynököket biztosít.
Egyszerű felépítésű projektből indulhat
A Managed Deep Agents hagyományos Python-projektként kezeli az ügynököt. A működéshez mindössze egy kötelező fájlra, az agent.py-ra van szükség. Ebben a define_deep_agent segítségével adható meg az ügynök neve, a választott modell és az elérhető eszközök. A rendszerutasítások külön, az instructions.md fájlban kaphatnak helyet.
A skills/ mappák olyan munkafolyamatokat tartalmazhatnak, amelyeket az ügynök csak az adott feladat során tölt be. Az eszközök hagyományos Python-függvények lehetnek, de távoli MCP-szerverekhez is kapcsolódhatnak. A LangChain példája szerint a projekt létrehozása, helyi elindítása és telepítése az mda init, mda dev és mda deploy parancsokkal történik.
A fejlesztői mód elindítja az Agent Servert, majd megnyitja az ügynököt a LangSmith Studioban. Itt a fejlesztő beszélgethet vele, és részletesen megvizsgálhatja a futtatások nyomkövetéseit is.
Memória, időzítés és elkülönített környezet
Minden telepítés a LangSmith Agent Serveren fut. A rendszer tartós szálakat és streamelt futásokat biztosít, miközben a szerverüzemeltetés terhét a LangChain kezeli. A projektek később fokozatosan bővíthetők, ezért az alapbeállítások mellett összetettebb működés is kialakítható.
A memory.py tartós memóriát adhat az ügynöknek. Ez a memória megosztható minden hívó között, elkülöníthető felhasználónként, vagy mindkét szintet egyszerre tartalmazhatja. A schedules/ mappában cron alapú feladatok állíthatók be, a channels/slack.py pedig lehetővé teszi, hogy futtatások induljanak a Slackből. Más szolgáltatások webhookon keresztül kapcsolódhatnak.
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-folyamatok és az API-kulcsok tárolását támogatják. Az ügynökök alügynököket is használhatnak, köztük olyat is, amely aszinkron módon, a háttérben dolgozik tovább.
Incidensektől a belső asszisztensig
A LangChain szerint a nyilvános bétát többféle gyakorlati feladatra használják. A példák között szerepel a Slackbe érkező incidensek kivizsgálása, a hibajavítások tesztelése és pull requestek megnyitása, valamint az issue-kezelőből indított mérnöki munkafolyamat. A platform vállalati belső asszisztensként, saját frontend mögött és felhasználónként elkülönített memóriával is alkalmazható.
A hosszabb projektekhez és az ütemezett értékelésekhez szintén használható ügynökök minden futtatásának nyoma megjelenik a LangSmithben. A fejlesztők így elolvashatják az eszközhívásokat és a köztes lépéseket. Az utasítások és a készségek a LangSmith Context Hubban is szerkeszthetők, ezért bizonyos változtatásokhoz nincs szükség újratelepítésre.
A tartós memória szintén a LangSmithben kap helyet. A LangSmith Engine a nyomok alapján segíthet a visszatérő problémák feltárásában, valamint javaslatokat tehet az utasítások és a készségek javítására. A Managed Deep Agents 2026. május 13-án indult privát bétaként, a LangChain közlése szerint pedig 2026. november 2-án már nyilvános bétában érhető el a LangSmith Cloudon. A lényegi különbség az üzemeltetésben van: a kezelt változat futtatókörnyezetét a LangChain állítja össze és működteti.
