Deep Agents

Nemo Claw作为构建专用代理的蓝图，其核心组件OpenShell提供了安全运行时环境，支持不同代理架构的灵活组合。

LangSmith 的 Context Hub 提供集中化、版本化的上下文管理方案，解决 AI Agent 因上下文缺失、过时或分散导致的行为失效问题；通过 agent.md 合约与 memory 文件夹实现人类可编辑、Agent 可读写的协同机制。

LangChain 推出 Managed Deep Agents，其核心是可定制的代理“harness”架构，通过执行环境、上下文管理、任务委派与人机协同四大能力支持复杂现实任务。

LangChain与Parallel Web Systems合作推出基于Deep Agents的多维度企业尽调工具，可自动分析公司概况、财务健康、法律诉讼、新闻声誉及竞争态势，实现端到端自动化决策支持。

LangChain 推出 Deep Agents 新功能 'Agent Rubrics'，开发者可定义评估标准，通过自动评分和修正机制确保复杂任务输出符合要求。

在金融服务领域，解释结论的推导过程与结论本身同等重要；LangChain通过LangSmith工具链记录每个查询、响应和中间结果，实现决策过程的可追溯性，确保AI代理输出的透明性和合规性。

AI在金融代理任务中仍需更高质量数据以生成复杂答案，LangChain团队通过Deep Agents、LangSmith和You.com Finance API实现显著性能跃升，在多个竞争基准中表现突出。

Harrison Chase 与 AWS 合作发布深度代理评估指南，利用 LangSmith 工具设计数据点与评估器，提升长周期智能体的可测性与可靠性，适用于构建复杂 AI 系统。

LangChain的Deep Agents具备持久化执行功能，每一步都会进行检查点记录，确保可观测性、容错性和人机交互。DeltaChannel解决了长期运行代理的存储扩展问题。

Rippling 在6个月内通过 Deep Agents 和 LangSmith 将AI功能部署至数百万用户，展示了高效生产级AI开发流程。

LangChain 推出 Deep Agents 运行时，解决生产级长周期智能体的持久化执行、内存管理、人工干预与可观测性等核心基础设施问题，强调开源、模型无关与可恢复执行。

一个由 Deep Agents、LangSmith 和 YouDot 金融研究 API 驱动的宏观经济研究代理，能够分析 GDP 数据、检测异常、调查行业层面的结构性与周期性驱动因素，并生成结构化且带引用的简报。

LangSmith沙箱已全面上线，为Agent提供真实的文件系统、shell和包管理器，与基础设施隔离，使用相同的API密钥认证，无需构建或管理新的运行时环境。

LangChain 在 X 上发布了一系列新功能，包括 LangSmith Engine、SmithDB 和 Deep Agents 等，但内容较为简略，缺乏技术深度。

代码解释器是一个轻量级代码执行环境，允许代理使用RLMs和程序化工具调用，无需设置完整沙箱。

LangChain团队正在为智能代理添加解释器功能，这是一种小型嵌入式运行时环境，允许代理在代理循环内部编写和执行代码。

LangChain 推出 ACP（Agent Control Protocol）以支持跨接口复用同一 agent harness，Deep Agents 已原生集成，但原文缺乏技术细节与实现说明。

LangChain 宣布与 Browserbase 集成，为 AI 代理添加网页搜索、内容抓取和浏览器子代理能力，并提供可观测性仪表盘。

LangChain在Interrupt大会发布Deep Agents v0.6版本，重点优化模型层与代理层性能、规模化能力和长期稳定性，新增轻量级代码解释器功能。

这是一条 LangChain 官方发布的 webinar 宣传推文，预告 5 月 20 日与 Datahub 合作演示如何用 Deep Agents + Datahub 查询 AWS 数据。

LangChain 宣布 Deep Agents 集成 Nebius AI Token Factory，用户现可在生产级 AI 基础设施上运行 agent 工作负载，支持开源模型、专用端点、实时搜索及成本数据控制。