搭 Agent 的基建比写业务还累？LangChain Managed Deep Agents 把这活包了

说个实话——2025 年了，搭 Agent 的基建比写业务逻辑还累。

你自己算算：可靠性（崩了怎么续跑）、沙盒隔离（不可信代码怎么跑）、上下文管理（skill/AGENTS.md 谁来维护）、身份认证（对外调用怎么办）……一个还没上线，先搭一套 harness，光这个就能劝退半个团队。

这就是为什么我今天想跟你聊 LangChain Managed Deep Agents——它把这套 harness + 基础设施全打包好了，开发者只管写业务逻辑，LangSmith 兜底所有”苦活”。

Agent 工程的三个阶段

要理解为什么 Managed Agent 现在出现，先回溯一下整个行业怎么走到这一步的：

第一阶段（2022–2023）：AutoGPT 时代。LLM 能用了，但”Agent”还只是个prompt + 工具调用的雏形，根本谈不上工程化。

第二阶段（2024–2025）：框架成熟期。LangGraph、Google ADK、Vercel AI SDK 出来了，开发者能精细控制 LLM 的调用链路——但这阶段做的是”让 LLM 更好地调工具”，还不是真正的”靠谱 Agent”。

第三阶段（2025 中至今）：模型能力终于到位，”LLM 在循环里调工具”成为 Agent 的核心原语。Manus、Deep Research、Claude Code 都走这条路。Claude Code、Deep Agents 这类 Agent Harness 就是在第三阶段出现的。

行业现在公认：模型能跑起来之后，真正的瓶颈是工程环境。

真正的门槛：Harness 层

过去一年，整个行业在 harness 层沉淀出了两类东西：

基础设施层：断点续跑（Durable Execution）、沙盒隔离（Sandbox）、”大脑与手分离”的架构。

标准层：AGENTS.md 做基础指令、MCP 做外部系统对接、Skills 做上下文渐进式披露。

你仔细看——这些标准几乎全是 上下文和执行管理层，而不是模型本身。谁来做这个 harness 层？三家公司同时押注：

• Anthropic：Claude Managed Agents（API-first，引入了”dreaming”机制——Agent 空闲时自我更新）
• Vercel：Eve（”Agent 即文件”路线）
• LangChain：Managed Deep Agents（第三个入场的）

三家在同一时间窗口做同一件事，信号已经很明显：Managed Agent 是未来方向。

LangChain Managed Deep Agents 到底给你什么？

LangChain 的方案把 Agent 工程环境拆成了五块，开发者按需取用：

• Runtime：基于 LangSmith Deployments，解决可靠性和断点续跑——Agent 跑到一半崩了？重启后无缝接上
• Sandbox：隔离执行环境，跑 Agent 自己写的不可信代码，完全不用担心污染主系统
• Context Hub：AGENTS.md、Skills 统一管理，支持业务人员直接编辑，不需要每次改 prompt 都要开发者介入
• Eval：Harbor 做 prompt / 工具 / 模型变更的评估，变更上线前有量化依据
• Auth：AuthN 内置，对外 API 调用的身份管理也考虑进去了

写业务逻辑，剩下的 LangChain 全包。

怎么上手？

上手成本极低。装好 CLI，一条命令初始化项目：

uvx --from managed-deepagents mda init research-assistant
cd research-assistant

然后配好 API Key，直接写你的业务逻辑。instructions.md 定义 Agent 的行为，tools/ 放你要调用的函数，skills/ 放上下文 playbook——全是你自己的代码，LangSmith 在后台负责运行和观测。

部署也简单：

mda deploy

Agent 就跑在 LangSmith Agent Server 上，有 API、有线程、有 streaming、有 MCP 端点。你不需要运维任何服务器。

开发者视角的感受

我体验下来最直接的感受：终于可以把”让 Agent 靠谱地跑起来”这件事外包出去了。

之前搭一套生产级 Agent，光 durable execution + sandbox + context 管理这三件事，就够一个后端团队干两个月。现在这三个月的活，LangChain 全给你兜底。

GitHub 是完全开源的：https://github.com/langchain-ai/managed-deepagents，想看源码 / 自托管完全可以，标准包也在 npm 和 PyPI 上发了。

一句话总结：如果你现在还在手写 Agent harness，或者在用 LangGraph 搭到一半被工程问题卡住——Managed Deep Agents 值得你花 20 分钟跑一下 quickstart，它可能会重构你对”怎么做一个生产级 Agent”的认知。

GitHub: https://github.com/langchain-ai/managed-deepagents