管理されたディープエージェント：本番環境への迅速な導入方法
LangChain は、長期実行や複雑なツール連携が可能な「Deep Agents」の運用基盤を提供する「Managed Deep Agents」を LangSmith ベースで公開し、開発者がインフラ構築に時間を割かずに本番環境でのエージェント運用に集中できる環境を整えた。
キーポイント
開発と運用の分離による効率化
エージェントの定義は開発者のリポジトリで管理し、ランタイム（スレッド、チェックポイント、ストリーミングなど）を LangSmith が担当することで、運用基盤構築の手間を削減する。
コンテキストの永続化と学習
「Context Hub」機能により、エージェントが実利用を通じて蓄積した知識や文脈を管理・更新でき、デプロイ時のプロンプトだけでなく継続的な改善が可能になる。
API 駆動型のプログラム制御
既存のアプリケーションや内部プラットフォームワークフローから API を通じてエージェントの作成、更新、実行をプログラム的に管理・運用できる仕組みを提供する。
影響分析・編集コメントを表示
影響分析
この発表は、AI エージェントが研究段階から実社会での大規模運用へ移行する際の最大の障壁であった「運用基盤（インフラ）の複雑さ」を解決する重要な一歩です。開発者がプロダクトロジックに集中できる環境を提供することで、エージェントの実装スピードと本番環境での信頼性が劇的に向上し、企業における AI エージェントの普及加速が期待されます。
編集コメント
エージェント開発の「作る」フェーズは成熟しつつあるが、「運用する」フェーズの課題解決に注力した今回の発表は、実務レベルでの導入障壁を下げる意味で非常に重要です。特に文脈の永続化機能は、単発のチャットボットを超えた自律型システムの鍵となるでしょう。
Managed Deep Agents の紹介
重要なポイント
- エージェントの構築は容易になっていますが、その運用はまだ難しい部分です。長時間実行されるエージェントには、永続的な実行環境、ツールへのアクセス権限、サンドボックス、メモリ管理、トレーシング機能が必要であり、これらを自身で組み立てることは、実際のエージェント開発に割く時間を奪ってしまいます。
- Managed Deep Agents は、オープンソースのハーン（harness）を LangSmith 内に永続的な場所として提供します。エージェントの定義はあなたのリポジトリに保持し、ランタイム（スレッド、チェックポイント、ストリーミング、コンテキスト、観測性）の管理は私たちが担当します。
- 時間をかけて実行されるエージェントには、時間を超えて持続するコンテキストが必要です。Context Hub は、エージェントが実運用からの学習を通じて改善できるよう、知識を保存・更新するための管理された場所を提供します。これは、デプロイ時にプロンプトに含めた情報だけに依存するのではなく、実際の使用状況から学べるようにするためです。
本日、私たちはプライベートベータ版として Managed Deep Agents を発表いたします。これは、ディープエージェントの作成、実行、運用を行うための API フォーカス型のホスト型ランタイムです。
Deep Agents は、計画立案、ツールの使用、サブエージェントへの委任、ファイルの書き込み、長期的な作業の実行などができるエージェントを構築するためのオープンソースハーンを提供します。Managed Deep Agents は、これらのエージェントに LangSmith 内に永続的な場所を与えます。
Managed Deep Agents API を用いれば、独自アプリケーションや内部プラットフォームワークフローからプログラムでエージェントを作成、更新、管理、実行することが可能です。
まずは設計パートナー向けに API を公開し、より広範なセルフサービスアクセスを提供する前に、実際のワークフローを構築しているチームと密接に連携していく予定です。
有用なエージェントを構築することは次第に容易になっています。しかし、本番環境でそれらを実行するのは依然として困難です。
長時間稼働するエージェントには、単なるモデル呼び出し以上のものが必要です。永続的な実行、ストリーミング、メモリ管理、ファイル処理、ツールアクセス、人間の承認、サンドボックス環境、トレーシング（追跡）、そして時間経過とともに改善するための仕組みが求められます。
チームはこれらのインフラを自前で構築することも可能ですが、エージェントがまだユーザーに到達する前に、これらすべてを管理するのは非常に負担が大きくなります。結局のところ、エージェント自体に加えて、ランタイムインフラ、ファイルストレージ、ツール設定、サンドボックス実行、スレッド状態の管理、トレーシング、フィードバックループの維持といった作業を抱えることになります。
Managed Deep Agents は、オープンソースの Deep Agents ハーネス（枠組み）を取り巻く運用層をパッケージ化しており、開発者がランタイムを再構築するのではなく、エージェントの動作そのものに集中できるようにしています。
プライベートベータで立ち上げる機能
プライベートベータでは、LangSmith 上で深層型エージェントを実行するための限られたセットの管理済みプリミティブに焦点を当てています。
管理されたランタイム
Managed Deep Agents を利用すれば、カスタムエージェントサーバーを立てることなく、管理された深層型エージェントを作成できます。
このランタイムは、永続的なスレッド、ストリーミング実行、チェックポイント機能、人間が関与するワークフローをサポートしています。API を使用して、ご自身の製品やプラットフォームのワークフローからエージェントの作成、設定更新、スレッド生成、および実行のストリーミングを行うことができます。
API のサーフェスは /v1/deepagents で利用可能です。
エージェントのコンテキストとファイル
Managed Deep Agents は、AGENTS.md、skills/、subagents/、tools.json を含む、従来の Deep Agents プロジェクトの形状を維持します。
これらのファイルは、エージェントがどのように振る舞うか、使用可能なツール、ロードできる専門スキル、および作業を委任できるサブエージェントを定義します。Managed Deep Agents は、LangSmith 上でこれらのファイルを保存・バージョン管理するため、エージェントの定義は時間とともに進化させることができます。
Context Hub（コンテキストハブ）は、実行間を通じて必要なコンテキストを保持・更新するための管理された場所を提供します。これは、ユーザーの嗜好、プロジェクトの詳細、調査ノート、運用手順、またはその他の作業コンテキストを追跡する必要があるエージェントにとって重要です。
オプションで LangSmith Engine を有効にすると、エージェントのプロンプトとコード全体におけるバグや改善の余地を特定するために、エージェントのトレース（追跡データ）を検査できます。実行間において、エージェントは会話をレビューし、実際の使用状況から学習して、Context Hub のファイルを更新することができます。
時間とともに、これによりエージェントは実際に遂行した作業から改善していくことが可能になります。例えば、サポートのトリアージを行うエージェントの場合、LangSmith Engine はユーザーが同じ内部プロセスについて繰り返し質問していることに気づき、運用ノートを更新できます。
LangSmith Engine の ローンチ記事 でさらに詳しく読むことができます。
ツールとサンドボックス
ツールは、Deep Agents が使用するのと同じ tools.json を通じて設定されます。tools.json に定義された任意のツールに対して、人間をループに組み込む（Human-in-the-loop）機能を有効化できます。
Managed Deep Agents はまた、コード、シェルコマンド、ファイル入出力を必要とするワークフローのために、サンドボックスバックドの実行もサポートしています。これは、データ分析やファイル操作、スクリプト実行、作業の一環としてアーティファクトの作成などを必要とするエージェントにとって有用です。
各エージェントごとにツールとサンドボックスの設定を再構築する必要はなく、その設定は管理されたランタイムに保持し、LangSmith を通じて運用できます。
LangSmith による可視性
Managed Deep Agents の実行は自動的に LangSmith でトレースされます。チームはツールの呼び出しを検査したり、動作のデバッグを行ったり、中間ステップを確認したり、エージェントが時間とともにどのように改善しているかを理解することができます。
これにより、開発者はすでにエージェントや LLM アプリケーションで利用している可視性ワークフローをそのまま使用でき、それが管理されたランタイムに直接接続されます。
仕組み
ローンチパスは API フォーストです。Managed Deep Agents API を用いてエージェントを作成または更新し、それを定義するファイルをアップロードするか参照します。これには、指示、スキル、サブエージェント、およびツールの設定が含まれます。
その後、アプリからスレッドを作成して実行をストリーム化できますが、カスタムエージェントサーバーをデプロイする必要はありません。エージェントが実行される間、LangSmith でトレースやエージェントのコンテキストを検査することができます。
What this unlocks
Managed Deep Agents is designed for agents that need to work over long time horizons, use tools, preserve context, and produce artifacts.
A few examples:
- Support and triage agents that work across long-running threads, keep track of prior context, escalate when needed, and update their own operating notes from repeated issues.
- Research agents that gather sources, write notes, preserve intermediate findings, and produce deliverables across multiple sessions.
- Coding agents that need a filesystem, shell commands, tool access, and resumable execution for longer tasks.
- Data analysis agents that run code, preserve artifacts, and maintain context across exploratory workflows.
- Internal ops agents that improve their own context from repeated use, such as onboarding assistants, policy agents, or workflow coordinators.
These agents need more than a prompt and a tool call. They need a runtime that can support durable work.
Built on open-source Deep Agents
Managed Deep Agents is the quickest path for teams that want Deep Agents with LangSmith-managed runtime infrastructure. You can keep the agent definition in your repo, then use the API to create and operate managed agents in LangSmith.
That means developers can build with the open-source harness while relying on LangSmith for durable execution, hosted context, sandbox-backed workflows, all integrated with LangSmith observability.
始め方
Managed Deep Agents は現在、クローズドベータ版として利用可能です。
耐久性のある実行、ツール、サンドボックス、トレーシング、そして本番環境への管理されたパスを必要とするディープエージェントを構築している場合は、クローズドベータの待機リストに参加 してください。
関連コンテンツ
ディープエージェント
ディープエージェント v0.6 の新機能
Sydney Runkle
2026 年 5 月 13 日
10 分
ディープエージェント
LangGraph
デルタチャネル：長時間実行型エージェント向けランタイムの進化
Sydney Runkle
2026 年 5 月 12 日
7 分
パートナー
Deep Agents
Deep Agents、LangSmith、Parallel を用いた企業デューデリジェンスエージェントの構築
M. Harris,
N. Martitsch,
S. Tangedipalli,
K. Singh
2026 年 5 月 8 日
9
分
エージェントが実際に何をしているかを確認する
LangSmith は、エージェントエンジニアリングプラットフォームであり、開発者がすべてのエージェントの意思決定をデバッグし、評価の変更を行い、ワンクリックでデプロイできるように支援します。
原文を表示
Introducing Managed Deep Agents
Key Takeaways
- Building agents is getting easier. Operating them is still the hard part. Long-running agents need durable execution, tool access, sandboxes, memory, and tracing, and assembling that yourself takes time away from building the actual agent.
- Managed Deep Agents gives the open-source harness a durable home in LangSmith. You keep the agent definition in your repo. We handle the runtime: threads, checkpointing, streaming, context, and observability.
- Agents that run over time need context that persists over time. Context Hub gives your agent a managed place to store and update what it knows so it can improve from real usage, not just from what you put in the prompt at deploy time.
Today, we're introducing Managed Deep Agents in private beta, an API-first hosted runtime for creating, running, and operating deep agents.
Deep Agents gives developers an open-source harness for building agents that can plan, use tools, delegate to subagents, write files, and work over long horizons. Managed Deep Agents gives those agents a durable home in LangSmith.
With the Managed Deep Agents API, you can create, update, manage, and run agents programmatically from your own application or internal platform workflow.
We're opening the API to design partners first so we can work closely with teams building real workflows before broader self-serve access.
Join the private beta waitlist
Building a useful agent is getting easier. Running them in production is still hard.
Long-running agents need more than a model call. They need durable execution, streaming, memory, files, tool access, human approval, sandboxes, tracing, and a way to improve over time.
Teams can build this infrastructure themselves, but it becomes a lot to own before the agent has even reached users. You end up maintaining runtime infrastructure, file storage, tool configuration, sandbox execution, thread state, tracing, and feedback loops alongside the agent itself.
Managed Deep Agents packages the operational layer around the open-source Deep Agents harness, so developers can focus on agent behavior instead of rebuilding the runtime around it.
What we're launching in private beta
The private beta focuses on a small set of managed primitives for running deep agents in LangSmith.
Managed runtime
Managed Deep Agents lets you create a managed Deep Agent without standing up a custom agent server.
The runtime supports durable threads, streaming runs, checkpointing, and human-in-the-loop workflows. You can use the API to create agents, update their configuration, create threads, and stream runs from your own product or platform workflow.
The API surface is available under /v1/deepagents.
Agent context and files
Managed Deep Agents keeps the familiar Deep Agents project shape, including AGENTS.md, skills/, subagents/, and tools.json.
These files define how the agent behaves, what tools it can use, what specialized skills it can load, and which subagents it can delegate work to. Managed Deep Agents stores and versions these files in LangSmith, so the agent definition can evolve over time.
Context Hub gives the agent a managed place to retain and update the context it needs across runs. That matters for agents that need to keep track of user preferences, project details, research notes, operating procedures, or other working context.
You can optionally enable LangSmith Engine to review your agent traces to find bugs and areas for improvement across agent prompts and code. Between runs, the agent can review conversations, learn from real usage, and update Context Hub files.
Over time, this enables the agent to improve from the work it actually does. For example, for a support triage agent, LangSmith Engine could notice that users keep asking about the same internal process and update its operating notes.
Read more in the LangSmith Engine launch post.
Tools and sandboxes
Tools are configured through tools.json, the same model used by Deep Agents. You can enable Human-in-the-loop on any tools defined in the tools.json.
Managed Deep Agents also supports sandbox-backed execution for workflows that need code, shell commands, and file I/O. This is useful for agents that need to analyze data, manipulate files, run scripts, or create artifacts as part of their work.
Instead of rebuilding tool and sandbox setup for each agent, you can keep that configuration in the managed runtime and operate it through LangSmith.
LangSmith visibility
Managed Deep Agents runs are automatically traced in LangSmith. Teams can inspect tool calls, debug behavior, review intermediate steps, and understand how an agent is improving over time.
This gives developers the same observability workflow they already use for agents and LLM applications, now connected directly to the managed runtime.
How it works
The launch path is API-first. You create or update an agent with the Managed Deep Agents API, then upload or reference the files that define it. That includes instructions, skills, subagents, and tool configuration.
From there, you can create a thread and stream a run from your app without deploying a custom agent server. As the agent runs, you can inspect traces and agent context in LangSmith.
What this unlocks
Managed Deep Agents is designed for agents that need to work over long time horizons, use tools, preserve context, and produce artifacts.
A few examples:
- Support and triage agents that work across long-running threads, keep track of prior context, escalate when needed, and update their own operating notes from repeated issues.
- Research agents that gather sources, write notes, preserve intermediate findings, and produce deliverables across multiple sessions.
- Coding agents that need a filesystem, shell commands, tool access, and resumable execution for longer tasks.
- Data analysis agents that run code, preserve artifacts, and maintain context across exploratory workflows.
- Internal ops agents that improve their own context from repeated use, such as onboarding assistants, policy agents, or workflow coordinators.
These agents need more than a prompt and a tool call. They need a runtime that can support durable work.
Built on open-source Deep Agents
Managed Deep Agents is the quickest path for teams that want Deep Agents with LangSmith-managed runtime infrastructure. You can keep the agent definition in your repo, then use the API to create and operate managed agents in LangSmith.
That means developers can build with the open-source harness while relying on LangSmith for durable execution, hosted context, sandbox-backed workflows, all integrated with LangSmith observability.
Get started
Managed Deep Agents is available in private beta.
If you're building deep agents that need durable execution, tools, sandboxes, tracing, and a managed path to production, join the private beta waitlist.
Related content
Deep Agents
New in Deep Agents v0.6
Sydney Runkle
May 13, 2026
10
min
Deep Agents
LangGraph
Delta Channels: Evolving our Runtime for Long-Running Agents
Sydney Runkle
May 12, 2026
7
min
Partner
Deep Agents
Building a company due diligence agent with Deep Agents, LangSmith and Parallel
M. Harris,
N. Martitsch,
S. Tangedipalli,
K. Singh
May 8, 2026
9
min
See what your agent is really doing
LangSmith, our agent engineering platform, helps developers debug every agent decision, eval changes, and deploy in one click.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み