ラングチェーンが「Managed Deep Agents」を発表

LangChain が「Managed Deep Agents」を発表：AI エージェントの実用化を加速する 4 つの柱

LangChain は、複雑な実世界タスクに対応できる次世代 AI エージェントプラットフォーム「Managed Deep Agents」を発表しました。単なる実験段階のチャットボットから、安全に本番環境で運用可能なエンタープライズ級システムへ進化させるための基盤が整い、開発者がすぐに実装・デプロイできる道が開かれます。

エージェントを動かす「ハルネス」の 4 つの機能

まず、「Deep Agents ハルネス」とは何かを理解する必要があります。ハルネスとは、AI モデルを実世界とつなぐためのすべての仕組み（スキル、メモリ、ツール、サブエージェントなど）を指します。モデルの能力そのものではなく、「適切なタイミングで正しいコンテキストを提供する」役割を果たすのがハルネスです。

Deep Agents ハルネスは、複雑なタスクを処理するために以下の 4 つの機能を統合しています。

1. 強力な実行環境（ファイルシステムとサンドボックス）

エージェントが自律的に行動するためには、作業環境が必要です。Deep Agents は標準でファイルシステムをサポートしており、エージェントは一時ファイルの読み書きや永続的メモリの保存を行えます。これにサンドボックスやコードインタプリタを組み合わせることで、安全な環境下でコードを実行・分析できるようになります。

エージェントにこれらのコード実行ツールを与えることで、はるかに創造的な問題解決や、動的なランタイム動作が可能になります。

2. コンテキスト管理の自動化

長時間稼働するエージェントにとって最大の課題は「コンテキストの溢れ（オーバーフロー）」です。Deep Agents はこれを自動的に解決します。

• 要約とオフロード: メッセージ履歴が長くなりすぎると、自動的に要約を行い、古いデータをファイルシステムへ保存してウィンドウを空けます。
• メモリ機能: 実行ごとの変化に対応する短期・長期メモリをサポートし、エージェントが時間とともに学習・改善できるようにします。
• 動的スキル開示: 必要なタスクに応じてのみ、関連するスキルの詳細情報を動的に読み込む「段階的開示」を採用。不要なコンテキストを排除し、コスト効率も向上させます。

3. タスクの委譲（サブエージェント）

複雑なタスクは、メインエージェントがすべて行うのではなく、サブエージェントへ委任するのが効率的です。Deep Agents はこの機能を標準で備えています。

• 文脈の隔離: サブエージェントは独立した文脈で動作し、完了後に簡素化された結果だけをメインに返すため、メインウィンドウを汚染しません。
• 並列処理: 複数のサブエージェントを同時に動かしてタスクを並行実行できます。
• モデルの最適化: サブエージェントには異なるモデルやプロバイダーを割り当てられ、タスクの複雑さに応じた最適なリソース配分が可能です。

4. 人間による制御（ヒューマン・イン・ザ・ループ）

機密性の高いアクションや重要な判断では、人間の介入が不可欠です。Deep Agents は以下の 4 つの意思決定パターンをネイティブにサポートしています。

1. 承認フロー: メール送信前など、実行前にユーザーの承認を得る。
2. 編集: 公開前のコンテンツをユーザーが修正する。
3. 却下判断: 金融取引などの提案に対して、ユーザーが拒否する。
4. 応答パターン: エージェントが進行を阻害する質問をユーザーに投げかけ、フィードバックを得る。

プロダクション対応ランタイム：本番環境への移行を容易にする

ハルネスの機能だけでなく、実際に本番環境で運用するための「ランタイム」も整いました。Managed Deep Agents はLangSmith デプロイメントの上に構築されており、以下の基盤を提供します。

スケーラビリティと永続性

• タスクキュー: 突発的なトラフィック（バースト）にも対応できるよう、専用のタスクキューと水平スケーリング機能を備えています。例えば、システム障害時に多くのユーザーがサポートエージェントにアクセスしても、リクエストを適切に処理できます。
• チェックポイント機能: LangGraph ランタイム上で動作するため、実行の各ステップが永続ストレージに保存されます。万が一エラーが発生しても、失敗した箇所からではなく、直前のチェックポイントから再開・再試行が可能です。

高度な制御と相互運用性

• 分岐と再生成: エージェントの状態をデータベースに保存しているため、会話の途中で分岐させたり、特定の時点から状態を再生成したりする高度なユースケースも実現できます。これにより、人間の承認プロセスを無期限に待機させることも可能になります。
• A2A プロトコルとリモートグラフ: エージェント間通信（A2A）や、LangSmith 上でデプロイされた他の LangGraph アプリケーションからの呼び出しを標準サポートしています。コードを一行書くだけで、異なる環境にあるエージェント同士が連携できます。

セキュリティとコンテキスト管理の統合

本番環境での運用において、セキュリティと一貫性は最優先事項です。

安全なコード実行（サンドボックス）

LangSmith のサンドボックスと直接統合することで、エージェントがコードを実行する際のリスクを管理します。プロキシ経由で認証情報を注入するため、重要な環境変数が外部に漏洩するのを防ぎます。また、スナップショット機能により、常に正しい実行環境を維持できます。

多層の認証と権限管理

• 入力側: アプリケーションからの入力が正当なユーザーによるものか検証。
• 出力側: エージェントが外部ツールや API を呼び出す際の認証情報を安全に管理。
• 管理側: AI エンジニアや CTO がエージェントを操作する際の詳細な権限管理（RBAC）を提供します。

コンテキストハブと LangSmith Engine

コンテキストハブでは、エージェントのスキル、メモリ、プロンプトなどのファイルをバージョン管理できます。ステージング環境から本番環境への移行や、異なるエージェント間でのスキル共有を容易にします。さらに、LangSmith Engineとの連携により、運用データを分析してプロンプトやスキルの改善ループを自動で回すことが可能になります。

まとめ

Managed Deep Agents は、AI エージェント開発における最大のボトルネックであった「コンテキスト管理」と「本番環境へのデプロイ難易度」を解決する画期的なアプローチです。これにより、複雑な業務プロセスを自律的に処理し、かつ安全に運用可能なシステムの実装コストが下がり、開発スピードが加速すると期待されます。

現在はプライベートベータ版として提供されており、本格的な実用化に向けた待機リストへの参加が推奨されています。