أطلقت LangChain مكتبة Deep Agents لوكلاء AI متعددي الخطوات مع الذاكرة والعزل

أطلقت LangChain نسخة Deep Agents — مكتبة منفصلة لبناء وكلاء ذكاء اصطناعي يتجاوز الدورة البسيطة "طلب → استدعاء أداة → إجابة". تم تصميمها للمهام الأطول حيث يحتاج الوكيل إلى تخطيط الخطوات وتخزين النتائج الوسيطة وتجنب وضع كل شيء في نافذة سياق واحدة مثقلة.

ما تم إطلاقه

في 15 مارس 2026، قدمت LangChain Deep Agents كمكتبة منفصلة مبنية فوق مكوناتها الأساسية للوكلاء. يبقى LangGraph هو الأساس: وهو الذي يوفر التنفيذ الدائم والبث والسيناريوهات human-in-the-loop والعديد من قدرات وقت التشغيل الأخرى. إذن نحن لا نتحدث عن نموذج جديد أو نوع وقت تشغيل جديد، بل عن قالب معماري جاهز للحالات حيث تبدأ الوكلاء العاديون بفشل استدعاءات الأدوات في المهام متعددة الخطوات التي تحتوي على حالة وكمية كبيرة من الحروف الأثرية.

في الأساس، يسد Deep Agents الفجوة العملية بين عروض الوكلاء البسيطة والتنسيق المخصص الذي تبنيه الفرق عادة بنفسها. بدلاً من إضافة مخطط يدويًا أو طبقة ملف أو تخزين الحروف الأثرية الوسيطة أو تفويض المهام، يحصل المطورون على هذه الآليات جاهزة للاستخدام. تؤكد LangChain بشكل منفصل: إذا كانت المهمة بسيطة، يمكنك البقاء مع المعيار `create_agent`، وإذا كنت بحاجة إلى السيطرة الكاملة، فيمكنك الانتقال إلى سير العمل الخاص بك على LangGraph.

"Deep

Agents هو agent harness"، هكذا تصف LangChain المشروع في وثائقها.

ما بداخل وقت التشغيل

الفكرة الأساسية وراء Deep Agents هي أن الوكيل يتلقى ليس فقط نموذجًا ومجموعة من الوظائف الخارجية، بل أيضًا بيئة عمل لجلسة طويلة. تتضمن الحزمة القياسية أدوات مدمجة للتخطيط والتعامل مع الملفات وتنفيذ الأوامر والتفويض. هذا يسمح للوكيل بتنفيذ المهام بطريقة أكثر بنية بدلاً من الارتجال لكل خطوة تالية من الفوري الحالي.

• `write_todos` — تقسيم المهام المعقدة إلى خطوات وتتبع التقدم
• `read_file`، `write_file`، `edit_file`، `ls`، `glob`، `grep` — العمل مع الملفات والحروف الأثرية الوسيطة
• `execute` — تشغيل أوامر shell في سيناريوهات الحماية
• `task` — استدعاء الوكلاء الفرعيين بسياق معزول
• الملخص التلقائي والذاكرة طويلة الأجل القابلة للتوصيل بين المؤشرات الترابطية

طبقة الملف مهمة بشكل خاص. في العديد من أنظمة الوكلاء، تبدو كلمة "الذاكرة" جذابة، لكن في الممارسة العملية يتلخص كل شيء في نافذة سياق مثقلة. يقدم Deep Agents منهجًا أكثر واقعية: يمكن تصدير الملاحظات وأجزاء الكود والتقارير ونتائج البحث والمخرجات الكبيرة الأخرى إلى نظام ملفات داخلي واسترجاعها حسب الحاجة. توضح الوثائق أيضًا خيارات backend مختلفة — من حالة الذاكرة إلى القرص المحلي والمتاجر الخلفية وبيئات الحماية.

لماذا يجب أن يهتم المطورون

المشكلة الرئيسية في مهام الوكلاء الطويلة معروفة منذ فترة: كلما زاد عدد الأهداف والحلول المؤقتة وسجلات الأدوات والتفاصيل الثانوية التي تتراكم في خيط واحد، كلما ازدادت خسارة الوكيل لمساره. يعالج Deep Agents هذا بآليتين في نفس الوقت. الأول هو التخطيط الصريح من خلال قائمة المهام.

والثاني هو الوكلاء الفرعيون الذين يمكن تكليفهم بمهام فرعية منفصلة دون تلويث السياق الرئيسي. بالنسبة لمهام البحث والترميز والتحليل وإعداد التقارير، يبدو هذا أكثر عملية بكثير من بناء فوري واحد بلا نهاية. هناك نقطة دقيقة مهمة أخرى: Deep Agents لا يقطع المطورين عن بنية LangGraph الأساسية.

تُرجع الدالة `create_deep_agent(...)` رسم بياني مصرفًا جاهزًا يمكن استخدامه مع البث والنقاط المرجعية والاستوديو والميزات المعيارية الأخرى للمكدس. بعبارة أخرى، إنه ليس إيماءة مغلقة فوق وقت التشغيل، بل رسم بياني جاهز مع قواعد معاد تعريفها مسبقًا.

بالنسبة للفرق، هذا مريح: يمكنك البدء بسرعة ثم ضبط النموذج والأذونات والموافقة البشرية وتخزين الذاكرة والأدوات المخصصة بالتدريج لسيناريو الإنتاج. ومع ذلك، لا تتوقع السحر. Deep Agents لا يحل تلقائيًا مسائل الأمان أو جودة الأدوات أو تصميم سير العمل.

إذا تم إعطاء الوكيل أذونات واسعة جدًا أو حماية سيئة أو نظام ذاكرة ضعيف، فلن تختفي المشاكل. لكن كنقطة بداية لوكلاء متعددي الخطوات، تبدو المكتبة بشكل ملحوظ أكثر نضجًا من معظم القوالب بروح "وكيل في خمس دقائق".

ماذا يعني هذا

يتحول سوق أطر عمل الوكلاء من استدعاء الأدوات البسيط إلى نهج وقت التشغيل الأكثر بنية. بالنسبة للفرق التي تريد نقل وكلاء الذكاء الاصطناعي إلى مهام حقيقية للبحث والتحليل والهندسة، يمكن أن يصبح Deep Agents طبقة وسيطة مريحة بين العروض التوضيحية التافهة والتنسيق المخصص بالكامل.