LLM 在循环里调工具终于不累了！LangChain 这款托管 Agent 有点东西
这几个月 AI 圈有个信号越来越清晰：搭 Agent 工程环境这件事，终于要”外包”了。
LangChain 刚发布了 Managed Deep Agents（简称 MDA），把 Agent 开发最难搞的部分——Harness、Runtime、基础设施——全部打包成托管服务。你只管写业务逻辑，剩下的交给 LangSmith。
什么是 Managed Deep Agents
MDA 是一个托管运行时，用来在 LangSmith 上构建和运营”代码优先”的 Deep Agents。你用 Python 或 TypeScript 定义一个 Agent 目录，上传，平台帮你跑起来。
核心思路很优雅：Agent 就是一个目录。文件放哪里，决定了它是工具、指令还是记忆。mda CLI 把这个目录编译成一个托管的 LangGraph 应用，你就专注写代码。
它解决了什么问题
搭过 Agent 的都知道，最烦的不是写 prompt，是这些：
- 可靠性：Agent 跑到一半崩了怎么续跑？（durable execution）
- 隔离执行：不可信代码放沙箱里跑（sandbox）
- 上下文管理：AGENTS.md、skills、memory 统一管理
- 可观测性：traces、eval、调试
这些事情跟业务逻辑一点关系都没有，但你必须做。MDA 把它们全封装好了。
怎么用
- 安装：
uv tool install managed-deepagents（Python）或npm install -g managed-deepagents@dev（TypeScript） - 初始化项目：
mda init my-agent - 定义 Agent：写
agent.py和instructions.md - 本地调试：
mda dev .（会自动打开 LangSmith Studio） - 部署：
mda deploy .（一条命令上线）
Agent 跑起来之后，LangSmith 提供 durable runs、Context Hub 管理的指令和 skills、memory 持久化、traces 调试，还有内置的身份认证。
和普通 LangSmith Deployment 的区别
如果你只需要自定义应用代码、自定义路由、高级认证、超强隔离——用标准 LangSmith Deployment。但如果你想快速跑一个 Deep Agent，不想管服务器和基础设施，MDA 是正确选择。
实际意义
Manus、Deep Research、Claude Code 这些产品出来之后，”LLM 在循环里调工具”已经成了 Agent 的核心原语。但怎么把它工程化、产品化，大家还在摸索。MDA 给出了一个很干净的答案：让开发者只专注业务逻辑，基础设施全部托管。
这个方向，Anthropic 的 Claude Managed Agents、Vercel 的 Eve、LangChain 的 MDA 三家同时在走——大概率是未来的主流。
GitHub：https://github.com/langchain-ai/langchain-skills
评论区
登录后可评论。