LangChain Deep Agents：开箱即用的智能体执行框架
LangChain 发布了 Deep Agents，一个基于 LangGraph 构建的生产级智能体执行框架（Agent Harness），内置规划工具、文件系统后端和子智能体生成能力，专为处理复杂的多步骤任务而设计。
与传统需要开发者从零搭建提示词、工具和上下文管理的框架不同，Deep Agents 提供了一个开箱即用的完整智能体方案。它引入三大核心创新：让智能体分解任务并跟踪进度的规划工具、用于持久化上下文管理的文件系统后端、以及支持在隔离上下文中生成子智能体以处理独立子任务的能力。
LangChain 提出了「智能体执行框架」（Agent Harness）这一概念，将其与底层框架和运行时区分开来。LangChain 是框架，LangGraph 是运行时，而 Deep Agents 则是执行框架——一个集成了编排决策的上层抽象，让开发者可以专注于应用逻辑。
早期基准测试表现亮眼：deepagents-cli（LangChain 的编程智能体）在 Terminal Bench 2.0 上提升了 13.7 分（从 52.8 到 66.5），且仅调整了执行框架配置而未更换模型，证明了「执行框架工程」可以在不升级模型的情况下带来显著性能提升。
GitHub：https://github.com/langchain-ai/deepagents | 文档：https://docs.langchain.com/oss/python/deepagents/overview
← 返回所有文章
与传统需要开发者从零搭建提示词、工具和上下文管理的框架不同，Deep Agents 提供了一个开箱即用的完整智能体方案。它引入三大核心创新：让智能体分解任务并跟踪进度的规划工具、用于持久化上下文管理的文件系统后端、以及支持在隔离上下文中生成子智能体以处理独立子任务的能力。
LangChain 提出了「智能体执行框架」（Agent Harness）这一概念，将其与底层框架和运行时区分开来。LangChain 是框架，LangGraph 是运行时，而 Deep Agents 则是执行框架——一个集成了编排决策的上层抽象，让开发者可以专注于应用逻辑。
早期基准测试表现亮眼：deepagents-cli（LangChain 的编程智能体）在 Terminal Bench 2.0 上提升了 13.7 分（从 52.8 到 66.5），且仅调整了执行框架配置而未更换模型，证明了「执行框架工程」可以在不升级模型的情况下带来显著性能提升。
GitHub：https://github.com/langchain-ai/deepagents | 文档：https://docs.langchain.com/oss/python/deepagents/overview