背景
Deep Agents 是 LangChain 開源的代理框架，提供檔案系統、規劃能力以及將任務委派給子代理（subagents）的功能。然而，將這些代理部署到生產環境通常需要開發者自行處理執行緒持久化、程式碼執行沙箱（sandbox）、跨對話記憶以及排程伺服器等基礎設施。Managed Deep Agents（MDA）旨在解決這一問題，它將開源的 Deep Agents 執行框架與 LangSmith 的託管基礎設施結合，讓開發者無需自行營運伺服器即可運行代理。 官方原文・github.com 官方原文・LangChain Blog
發生什麼事
LangChain 於 2026 年 11 月 2 日更新公告，確認 Managed Deep Agents 已在 LangSmith Cloud 進入公開測試（public beta）階段。該服務最早於 2026 年 5 月 13 日開放私人測試。MDA 允許開發者以 Python 或 TypeScript 編寫代理，透過 mda CLI（命令列介面，用打字下指令操作電腦的方式）在本地測試，並使用 mda deploy 指令或從連接的 GitHub 儲存庫部署至 LangSmith。 官方原文・github.com 官方原文・LangChain Blog
重點內容
MDA 的核心概念是「代理即目錄」。專案結構由檔案位置決定其角色，CLI 將目錄編譯為託管的 LangGraph 應用程式。開發者只需在 agent.py 或 agent.ts 中定義代理名稱、模型與工具，其餘功能如指令（instructions.md）、技能（skills/）、記憶（memory.py）、身份驗證（identity.py）、排程（schedules/）及沙箱（sandbox/）皆透過新增對應檔案來啟用。例如，排程功能透過在 schedules/ 目錄下定義 cron 表達式來設定，而記憶功能則透過 memory.py 啟用跨對話的持久化儲存。 官方原文・github.com 官方原文・LangChain Blog
MDA 整合了 LangSmith 的多項服務，包括 Context Hub 用於儲存指令與技能、LangGraph 部署用於執行、以及追蹤功能。部署後的代理透過 Agent Server API 提供服務，支援建立執行緒與串流回應，並提供 /mcp 端點讓 MCP（Model Context Protocol，模型上下文協議，讓不同 AI 模型與工具互通的標準）客戶端將代理視為工具呼叫。此外，MDA 支援 Slack 作為唯一的訊息通道（channel），並可透過 Supabase 或 LangSmith API 金鑰進行身份驗證。 官方原文・github.com 官方原文・LangChain Blog
對使用者的意義
MDA 適用於希望快速將代理部署至生產環境，但不想自行管理伺服器基礎設施的開發者與企業。LangChain 指出，其內部產品如 GTM Agent、Open SWE 和 Content Studio 均運行於 MDA 上，其中 Content Studio 在遷移後程式碼量縮減約 80%。使用者可透過 mda init 指令初始化專案，使用 mda dev 在 LangSmith Studio 中測試，並透過 mda deploy 部署。對於需要自訂 HTTP 路由、非美國地區託管或更高隔離級別的使用者，官方建議改用 langgraph deploy。 官方原文・github.com 官方原文・LangChain Blog
限制與未定事項
MDA 目前僅支援美國 LangSmith Cloud，不支援自託管、混合部署或歐盟地區。管理功能無公開 API，僅能透過 mda CLI 或 LangSmith GitHub 部署介面操作。Slack 是目前唯一支援的訊息通道，不支援 Discord、Teams、Email 或 SMS。記憶功能預設為部署層級共享，所有呼叫者共用同一記憶樹，無使用者專屬記憶（除非透過身份驗證實作私有線程）。此外，建置封存檔大小上限為 200 MB，且排程宣告必須為靜態字面值，不支援環境變數或函式計算。 官方原文・github.com
