LangChain 的新方向：Agent 不缺框架，缺的是上线后的运行台

LangChain 在 2026 年 8 月 7 日把 Managed Deep Agents 推到 public beta。这条更新不如模型发布热闹，但对做 Agent 工程的人更有信号价值：Agent 竞争正在从“怎么写一个 agent loop”，转向“怎么把 agent 安全、稳定、可观察地跑在生产环境里”。

Deep Agents 本身是一个开源 harness。它抽象的是有用 Agent 反复需要的模式：调用工具、有地方放工作文件、管理长任务上下文、委托 subagents、加载领域技能，以及在敏感动作前暂停等待人工审批。

Managed Deep Agents 则是另一层：把这个 harness 托管到 LangSmith 运行时里。开发者可以用 Python 或 TypeScript 写 Agent，本地测试，然后用一个命令部署。LangSmith 负责运行时基础设施，包括持久化、memory mount、skill loading、sandbox 生命周期和部署。

这说明 LangChain 的重心已经很明显地往平台化移动。早年的 LangChain 是 LLM 应用框架，大家用它串 prompt、model、retriever、tool。后来 LangGraph 解决状态图和长流程。现在 LangSmith、Deep Agents、Managed Deep Agents 解决的是上线之后的问题：任务会跑很久怎么办，失败后怎么恢复，谁触发了动作，工具调用如何追踪，沙箱怎么隔离，eval 怎么回归。

文章里最值得关注的是那组生产化原语：durable execution、streaming、persistence、sandboxes、evals、channels、memory、identity。每一个都对应一个真实痛点。普通 web 请求短平快，但 Agent 任务可能跑几分钟、几小时，甚至几天；它可能等待人类批准，也可能需要在 Slack、GitHub 或内部系统里继续对话。

沙箱是其中非常关键的一块。很多 Agent 需要读写文件、跑测试、安装依赖、调用 CLI 或执行代码。Managed Deep Agents 支持每个 durable thread 一个 sandbox，并把 sandbox 活动 trace 到 LangSmith。这样失败时能回看发生了什么，而不是只看到最终一句“任务失败”。

Eval 也从“答案评分”变成“状态验证”。LangChain 明确提到，验证 Agent 行为不能只看最后回答，还要看它有没有调用正确工具、编辑正确文件、创建预期 artifact，以及最终 workspace 状态是否匹配任务。对 code/file agent 来说，状态检查常常比评语打分更有用。

Channels 则说明 Agent 会进入真实协作场景。Managed Deep Agents 可以把 Agent 暴露到 Slack 等渠道，处理 app mention 或 direct message，带着 identity stamp 执行，并回复到原始对话里。这让 Agent 不再只是控制台里的 demo，而是进入团队已经工作的地方。

Memory 和 Identity 也很重要。Agent 不只需要当前 thread 的状态，还需要跨会话记住偏好和长期上下文；但记忆必须按用户、组织、权限隔离。否则一个用户的上下文污染另一个用户，就是严重事故。

我的判断是，LangChain 这条线说明 Agent 工程化正在变成“运行台生意”。未来开发者不一定想自己维护持久任务队列、沙箱池、trace、eval、memory、identity、channel adapter。就像普通应用不会每个团队都自建云平台一样，Agent 应用也会需要托管运行层。

这并不意味着框架不重要。LangGraph、Deep Agents 仍然提供开发者可控的表达方式。但真正决定企业能不能上线的，是框架之外的东西：审计、回滚、权限、评测、可观察性和故障恢复。

所以这篇值得发：Agent 不再缺 demo，缺的是能让团队放心上线、放心复盘、放心迭代的运行台。LangChain 正在把自己从框架公司，推向 Agent 工程平台。

参考来源：LangChain：Managed Deep Agents is now in Public Beta、LangChain Blog。