LangChain Managed Deep Agents：把 Agent 工程环境打包成托管服务 今日发布

产品简介

LangChain Managed Deep Agents 是 LangChain 推出的托管式 Agent 运行时服务，于 2026 年 5 月在 Interrupt 大会上以 private beta 发布，2026 年 8 月 7 日开放 public beta。它将 Deep Agents 开源框架与 LangSmith 基础设施结合，为长时运行 AI Agent 提供durable execution、托管沙箱、Context Hub 记忆管理和内置可观测性，开发者只需关注 Agent 行为本身，而非运维基础设施。

核心功能

托管运行时：无需自建 Agent 服务器，通过 API 即可创建、管理和运行 Deep Agent，支持 durable threads（持久化线程）、streaming runs（流式运行）、checkpointing（断点续跑）和 human-in-the-loop 中断机制。

Context Hub 记忆管理：为 Agent 提供托管的上下文存储空间，跨会话保留用户偏好、项目详情、研究笔记和操作流程，Agent 可在运行间隙更新 Context Hub 文件，实现从真实使用中持续学习。

托管沙箱执行：支持代码执行、Shell 命令和文件 I/O 的沙箱隔离环境，适合需要分析数据、操作文件、运行脚本或生成产物的 Agent 工作流，无需为每个 Agent 重建工具和沙箱配置。

Skills 与工具配置：通过 skills/、subagents/、tools.json 和 AGENTS.md 定义 Agent 行为，这些文件存储在 LangSmith 并版本化管理，Agent 定义可随时间演进。

LangSmith Engine 集成：可选启用 Engine 自动审查 Agent traces，发现 prompts 和代码中的问题与改进空间，持续优化 Agent 表现。

MCP 连接器支持：支持自定义 LangChain 工具和远程 MCP 服务器，声明为 connector 后自动加载。

特色优势

零运维基础设施：一条 mda deploy 命令即可部署生产级 Agent，无需自建持久化层、代码沙箱或认证体系。

断点续跑：Thread 状态跨越重启和故障自动恢复，无需自定义数据库工作。

即开即用的可观测性：所有 Agent 运行自动接入 LangSmith tracing，团队可直接调试行为、审查中间步骤。

标准化部署：把 Agent 作为结构化 IT 资产（而非脆弱脚本）来管理，适合 CTO 维持对 LLM 选择和专有逻辑的控制权，同时将运维开销委托给 Managed Deep Agents 运行时。

适用人群

需要将 AI Agent 投入生产但不想自建运维基础设施的开发团队、在 LangChain 生态中已有 Deep Agents 经验的团队、有长时 Agent 运行需求（human-in-the-loop、多轮协作、跨会话记忆）的企业用户。

官网

https://blog.langchain.dev/managed-deep-agents/ | https://docs.langchain.com/langsmith/python/managed-deep-agents-changelog