#langchain

deepagents 現支援在載入技能時動態載入工具

Harrison Chase 表示，deepagents 現可在載入技能時動態載入工具，僅部分技能需要的工具無需始終保持可用。配合 OpenAI 和 Anthropic 模型使用時，此操作不會破壞 Prompt 快取。

LangChain 發布 Managed Deep Agents v0.9，新增支援自主任務排程的 Schedules SDK、跨模型與工具的單次執行配置，以及 Slack 表情回應功能。

Sydney Runkle 表示，在編程智能體的 harness 中集成模型路由器可在不降低輸出質素的前提下削減 64% 的運作成本。該四步工作流程涵蓋理解任務與模型、將路由器直接嵌入 harness，以及追蹤任務結果。

LangChain 宣布，開發者可免費為 Managed Deep Agents 加入由 p0 支援的網絡搜尋功能，無需獨立開設供應商帳戶、管理額外 PI 金鑰或配置搜尋工具接駁。

Rippling AI 基於 Deep Agents 和 LangSmith 構建，透過主管 Agent 協調 5 至 7 個專用子 Agent，並配合 LangSmith 進行鏈路追蹤、評測與生產環境監控。

LangChain 表示，LangSmith 的 Trajectories 現已可試用，可用於除錯長時間運行的智能體，為領域專家提供可讀的行為檢視，以線上評估為工作階段評分，並將生產工作階段轉為微調資料集。

LangChain 的 Managed Deep Agents 現已提供終端介面，可用 `mda chat` 啟動。Nathan Drezner 表示，它用於在輕量開發中本地測試智能體，Studio 仍可使用。

LangChain 表示，該公司是 NVIDIA 全新 Open Agent Safety 平台的發佈合作夥伴。黃仁勳稱，NVIDIA 與超過 100 家業界合作夥伴共同推出該平台，將 OpenShell 與 Sentry 整合在一起。

Ankush Gola 表示，smithtune 會從 LangSmith 提取、篩選並處理軌跡，在 FireworksAI_HQ 與 baseten 上訓練，再用 LangSmith 評估結果。程式碼位於 langchain-ai 的 GitHub 儲存庫。

LangChain 表示，LangSmith Custom Apps 可以用提示詞，根據代理數據建立介面，包括標註執行、比較實驗及檢視追蹤的視圖。

Fireworks 表示，其為 LangChain 的 LangSmith Fine-Tuning 與 smithtune 的發佈訓練合作夥伴，並描述一條以單一 CLI 從 LangSmith traces 進入 Fireworks 上受管 SFT、再進行評估與部署的路徑，無需另建訓練基礎設施。

Managed Deep Agents 0.8 新增用戶記憶，並可控制記憶的儲存位置。Nathan Drezner 表示，在私人情境中建立的記憶絕不會分享；Context Hub 則讓開發者檢視一般代理記憶，同時保持用戶記憶私密。

Managed Deep Agents 0.8 新增用戶自有憑證與記憶、供內部工具使用的 HTTP 通道、原生 slackhq 檔案傳輸，以及透過 p0 的內建網頁搜尋。

LangChain 在 Interrupt 發布 LangSmith Engine v2。它可在正式上線前找出代理問題，在向用戶展示前測試擬議修復，並呈現低效的代理工作以及成本與延遲趨勢。

LangChain 在 Interrupt 發布 LangSmith Engine v2，並表示它能主動找出 agent 的問題，在用戶看到之前加以解決。

schedules/ 內包含 cron 表達式和提示詞的排程檔可以部署，讓 Managed Deep Agent 自行執行。

講座將介紹線上評估的關鍵要素，以及團隊如何使用 Tuned Evaluators 分析 agent 互動，並為生產環境追蹤附加回饋。

LangSmith 為受支援的決策模型提供每一步的可見性，包括 Jev 及 SemIf。

LangChain 表示，Managed Deep Agents 只需幾行程式碼即可建立這類代理。其示例 Patch 在 Slack 討論串中被標註並收到功能說明後，會開啟包含 diff 的 pull request。

LangChain 引述 nathan drezner，並連結 Typesafe AI 的 Jev 中介軟件官方文件；該中介軟件可在用戶定義路由後，為 LangChain 託管深度智能體處理模型選擇。