LangChain présente DeltaChannel pour économiser la mémoire des agents de longue durée

Les agents de longue durée font face à un problème classique de mise à l'échelle : à chaque étape, vous devez sauvegarder l'état complet du système, et au fur et à mesure du fonctionnement, les volumes de stockage augmentent de façon exponentielle. Une session qui fonctionne pendant quelques heures ou jours se transforme rapidement en dizaines de gigaoctets de données mises en cache. LangChain a résolu ce problème avec le nouveau primitif DeltaChannel dans LangGraph 1.2.

Problème : croissance exponentielle de la mémoire

Imaginez un agent qui fonctionne comme avant : il effectue une étape, calcule un résultat, sauvegarde l'état complet du système. À l'étape suivante, la même chose se répète. L'état complet est à nouveau écrit dans le stockage. À la centième étape, vous avez 100 copies de l'état, à la millième — 1000. Le problème s'aggrave rapidement. Lors d'une longue session (disons, un agent fonctionne toute la journée et effectue des millions de mini-opérations), le coût du stockage devient inacceptable. Ce n'est pas seulement une question d'argent pour l'espace disque — c'est aussi les retards de lecture/écriture et la complexité de la récupération en cas de panne.

Qu'est-ce que DeltaChannel ?

DeltaChannel est une nouvelle construction primitive dans LangGraph qui résout le problème au niveau de l'architecture. Au lieu de sauvegarder un snapshot complet de l'état à chaque étape, le système enregistre uniquement les changements (delta). L'idée n'est pas nouvelle — les systèmes de contrôle de version (Git), les bases de données (Write-Ahead Logs) et les systèmes distribués utilisent cette approche depuis longtemps.

Mais dans le contexte des agents IA, l'appliquer de manière standard était plus difficile : l'état d'un agent comprend de nombreuses structures imbriquées, des caches, un historique d'interactions. LangChain a implémenté DeltaChannel comme suit : à chaque étape, le système recalcule exactement ce qui a changé dans l'état (nouveaux messages, contexte mis à jour, résultats des calculs). Seul ce delta est enregistré.

Périodiquement (par défaut tous les N pas, N est configurable), un snapshot complet est effectué pour que la récupération après une panne ne nécessite pas de rejouer tout l'historique.

Comment cela économise la mémoire

• Delta au lieu de l'état complet — au lieu de sauvegarder tout le contexte de l'agent après chaque étape, seuls les champs modifiés et les nouvelles entrées sont enregistrés
• Snapshots périodiques — les snapshots complets de l'état sont écrits non pas après chaque étape, mais une fois tous les N pas (par défaut tous les 100 pas, mais configurable)
• Croissance linéaire au lieu de quadratique — une longue session de 1000 étapes occupe maintenant à peu près la même mémoire qu'une session de 100 étapes auparavant ; avec un million d'étapes, la différence devient encore plus radicale

En pratique, cela signifie qu'un agent de longue durée qui auparavant nécessitait des dizaines de gigaoctets de stockage peut maintenant fonctionner avec des volumes beaucoup plus petits. Pour les grands systèmes en production, cela transforme le problème « impossible à exécuter » en problème « c'est économique ».

DeltaChannel est déjà dans Deep Agents v0.6

LangChain a intégré DeltaChannel dans Deep Agents v0.6 — un nouveau framework pour les agents de longue durée — par défaut, sans flags de configuration. Pour les utilisateurs finaux, cela signifie que l'amélioration fonctionne automatiquement.

Aucun changement de code n'est requis. Aucune migration des anciennes données n'est requise — les anciennes sessions continuent à fonctionner avec les nouveaux mécanismes en parallèle. C'est particulièrement utile pour les systèmes de longue durée : les chatbots qui maintiennent des conversations pendant des heures, les workflows multi-étapes qui effectuent des tâches complexes pendant plusieurs heures, et les agents assistants qui apprennent de l'expérience au cours de plusieurs semaines.

Dans chacun de ces cas, l'ancien système de stockage serait devenu un goulot d'étranglement. Pour les développeurs qui souhaitent un ajustement fin (par exemple, modifier l'intervalle entre les snapshots), des paramètres de configuration sont disponibles. Mais en pratique, les valeurs par défaut fonctionnent bien pour la plupart des scénarios, des chatbots aux workflows multi-étapes complexes.

Ce que cela signifie

Les agents qui fonctionnaient pendant des heures ou des jours deviennent maintenant plus économiques et plus scalables. C'est critique pour la production : chaque gigaoctet de mémoire économisé est une réduction réelle du coût d'exécution des systèmes de longue durée. DeltaChannel montre que les ingénieurs de LangChain écoutent attentivement les retours des utilisateurs en production et résolvent leurs problèmes non pas par des contournements (hacks, optimisations partielles), mais au niveau du runtime lui-même. C'est un signe de maturité du framework.