قدمت LangChain Deep Agents — طبقة فوق LangGraph للمهام الطويلة والمعقدة

أطلقت LangChain Deep Agents — مكتبة Python منفصلة لإنشاء أنظمة عملاء "عميقة" فوق LangChain و LangGraph. الفكرة هي إزالة المهام المتكررة من المشاريع النموذجية مع الوكلاء، مثل بناء الرسوم البيانية يدويًا وإدارة السياق وتفويض المهام الفرعية.

ليس رسم بياني آخر فقط

تتبع العديد من الفرق مسارًا مشابهًا الآن: فهي تبدأ بـ chains عادية من LangChain، ثم تواجه حدود خطوط أنابيب بسيطة وتهاجر إلى LangGraph. هناك يجب عليهم تجميع الحالة والانتقالات الشرطية والحلقات والبث والمنطق التنفيذي قبل أن يبدأ الوكيل حتى في حل مهام الأعمال. يحاول Deep Agents رفع مستوى التجريد وتحمل طبقة البنية التحتية هذه. نتيجة لذلك، تقضي الفرق وقتًا أقل في التثبيت وأكثر في منطق الوكيل الفعلي.

تصف LangChain Deep Agents بأنها agent harness — غلاف يستخدم LangGraph تحت الغطاء، لكنه يوفر تكوينات افتراضية أكثر صرامة. لا يتم تقديم المطورين بمُنشئ من البدائيات، بل بإطار عمل جاهز للسيناريوهات الطويلة والمتعددة الخطوات. يبدو الإطلاق بسيطًا جدًا: دالة واحدة create_deep_agent()، وقائمة بالأدوات، وموجه نظام — والمكتبة تتحكم بدورة عمل الوكيل. لهذا السبب يتم تحديد الإصدار كمسرع للتطوير، وليس كطبقة تجريد أخرى.

يمنحك LangGraph المحرك وناقل الحركة.

Deep Agents يمنحك السيارة.

ما بداخل الصندوق

الرهان الرئيسي على Deep Agents ليس في نموذج جديد أو بروتوكول، بل في مجموعة من الآليات المدمجة التي يجب على كل فريق عادة تصميمها من الصفر. هذا هو ما يجعل الإصدار ملحوظًا: تحاول LangChain توحيد المعايير التي تتكرر بالفعل في وكلاء الإنتاج. هذا لا يتعلق بالنظرية، بل بنقاط الاختناق النموذجية التي تظهر دائمًا تقريبًا في جلسات طويلة مع الوكلاء.

• write_todos للتخطيط المدمج: يقسم الوكيل المهمة إلى خطوات، ويتتبع الحالات، ويحدث الخطة أثناء العمل.
• نظام ملفات افتراضي مع ls و read_file و write_file و edit_file و glob و grep لاستخراج النتائج الطويلة من نافذة السياق.
• أداة task لتشغيل الوكلاء الفرعيين الذين يحلون المهام الفرعية الفردية في سياق معزول.
• ملخص تلقائي عندما ينمو سجل الحوار ويقترب من حد نافذة السياق للنموذج.
• ذاكرة طويلة الأمد بين الجلسات والخيوط عبر backend LangGraph Store.

تتضمن الوثائق مثالاً عمليًا: يقوم وكيل البحث أولاً بإنشاء خطة، ثم جمع البيانات من البحث، ووضع النتائج الثقيلة في نظام الملفات، وتفويض جزء من العمل لوكيل فرعي إذا لزم الأمر، وأخيرًا تجميع التقرير. بالنسبة للمطور، يبدو وكأنه wrapper واحد عالي المستوى، على الرغم من أن LangGraph لا يزال يعمل تحت الغطاء.

تروج LangChain أيضًا لإصدار CLI من Deep Agents — وكيل كود طرفي يستخدم نفس SDK.

حيث يكون هذا مفيدًا

تم تصميم Deep Agents بوضوح ليس لروبوتات الدردشة ذات استدعاء أداة واحدة، بل للسيناريوهات الأطول: أبحاث الموضوعات، مساعدات الكود، سير العمل المستقلة، المهام التي تحتوي على كميات كبيرة من البيانات الوسيطة والذاكرة بين الجلسات. إذا احتاج الوكيل إلى التخطيط وقراءة وكتابة الملفات وحفظ القطع الأثرية وتقسيم العمل إلى مهام فرعية وعدم فقدان الخيط بعد عشرات الخطوات، فإن هذا النوع من الطبقة يمكنه حقًا توفير الكثير من الوقت.

لكن هذا ليس بديلاً لأي مكدس. بالنسبة للوكلاء البسيطين، توصي LangChain نفسها بالبقاء مع create_agent، وإذا كنت بحاجة إلى تحكم دقيق جدًا على طوبولوجيا الرسم البياني — اعمل مباشرة مع LangGraph. Deep Agents هي أداة للحالات التي تكون فيها سرعة البناء والحلول الجاهزة أكثر أهمية من التحكم اليدوي الكامل على كل حالة وانتقال.

بشكل أساسي، تقدم LangChain نهجًا أكثر آراءً للوكلاء: حرية أقل، لكن أيضًا أقل من boilerplate الهندسة.

ما يعنيه هذا

يوضح إصدار Deep Agents أن سوق الأنظمة الموكلة ينتقل من العروض الأساسية إلى توحيد البنية التحتية. المرحلة التالية من المنافسة لم تعد مجرد "يمكن للوكيل استدعاء الأدوات"، بل "يمكن للوكيل العمل لفترة طويلة والتذكر والتخطيط وعدم الانهيار تحت حجم السياق".