LangChain lanzó Managed Deep Agents en beta pública, un tiempo de ejecución hospedado para cargas de trabajo agenticas de larga duración construido sobre su arneses de código abierto Deep Agents. El servicio maneja la infraestructura de producción (ejecución duradera, persistencia, sandboxes, streaming) mientras mantiene la lógica del agente (prompts, herramientas, middleware, identidad, evals) bajo control del usuario. Los desarrolladores escriben agentes en Python o TypeScript, los prueban localmente a través de LangSmith Studio y se despliegan con un solo comando `mda deploy`.
Los elementos operacionales clave que proporcionan Managed Deep Agents: ejecución duradera para que los agentes de larga duración se pausicen/reanuden sin perder estado; sandboxes para trabajo de archivo y ejecución de código (con soporte de sandbox LangSmith de primera clase); persistencia para que el estado del hilo sobreviva a los reinicios; streaming para que los usuarios vean el progreso en tiempo real; y evals para que los equipos prueben el comportamiento y el uso de herramientas antes del despliegue. El tiempo de ejecución también incluye identidad/auth, ámbito de memoria, integraciones de canales (Slack, GitHub) y horarios de cron gestionados.
Deep Agents es agnositico de modelos y código abierto, permitiendo a los usuarios traer sus propios modelos, instrucciones y lógica de negocio. La estructura del proyecto es code-first—agent.py, instructions.md, tools/, channels/, middleware/, skills/, sandbox/ y evals/ directorios—haciendo fácil organizar todas las primitivas del agente. Managed Deep Agents compila proyectos, sincroniza contexto al Centro de Contexto de LangSmith y crea un despliegue hospedado.
Para equipos que crean agentes de producción, este anuncio aborda la brecha operacional entre prototipo y escala. La infraestructura de agente ha sido un elevador de ingeniería de meses a trimestres: hilos duraderos, memoria persistente, cancelación, lógica de reintento, compuertas de aprobación humana y recuperación de fallas son ahora apuestas de mesa para agentes de producto. El movimiento de LangChain para absorber esta carga detrás de un servicio gestionado libera ingeniería para enfocarse en el comportamiento del agente, la optimización de prompts y el diseño de herramientas. Observa movimientos competitivos de Anthropic Workbench y plataformas de agentes OpenAI para agrupar infraestructura similar.