Агент у вас в ноутбуке уже отвечает — а дальше скука. Куда складывать файлы? Кто поднимет сервер ночью? Кто не даст ему снести прод при первом же «запусти тесты»? Седьмого августа LangChain сказала: берите Managed Deep Agents. Продакшен поверх их открытого каркаса — с песочницей, памятью и одной командой на выкладку.
Вы по-прежнему держите папку с кодом у себя: инструкции, инструменты, навыки. Локально гоняете через dev-режим, в бой — одной командой deploy. Облако LangSmith кормит рантайм, изоляцию, трейсы. Вы не строите инфраструктуру с нуля — вы допиливаете, что агент делает, а не как он живёт на сервере.
Открытый каркас и платный ночной дежурный
Deep Agents — это когда вы устали каждый раз заново придумывать одно и то же: инструменты, файлы, субагенты, пауза перед опасным кликом. LangChain вынесла паттерн в отдельный открытый проект. Managed сверху — хостинг для тех, кому лень писать свой рантайм.
Агент может работать часами, стримить прогресс, пережить рестарт. Треды не исчезают. Slack и GitHub подключаются файлами в папке, без отдельного микросервиса «интеграции». Evals и трассировка — из коробки. Бета с седьмого августа, пока только облако LangSmith в США — да, географию тоже учитывайте.
Песочница: свой стол на каждый разговор
Самое вкусное для coding-агента — изолированная среда. Пишет файлы, гоняет код, дёргает CLI. В коде это две строки: define_sandbox с provider langsmith и scope thread. По умолчанию у каждого треда свой стол — как у каждого клиента отдельный кабинет. Нужен общий склад — переключаете на scope agent.
Контейнеры поднимать и вычищать после задачи вам не предлагают. В LangSmith видно, что агент наворотил и где свалился. Вопрос «куда положить артефакты» обычно съедает недели — здесь его просто сняли с повестки.
Папка в репозитории и одна команда в прод
Структура как мини-проект: agent.py, instructions.md, папки tools, skills, sandbox и memory.py. Инструкции улетают в Context Hub — подкрутить поведение в UI можно без полного redeploy. CLI ставится через uv tool install managed-deepagents или npm-аналог.
Цикл простой: mda init, потом dev, потом deploy. LangSmith компилирует, заливает билд, поднимает Agent Server. MCP-коннекторы тоже на месте — удалённые серверы отдают инструменты без самописной обвязки. Для тех, кто уже живёт в MCP, это мост между «агент в чате» и «агент лезет в ваши системы».
Память длиннее одного чата
Агент пишет в /memories/, данные живут в Context Hub. Обновили harness — redeploy не стирает то, что он уже запомнил о людях. Для ассистентов с долгой историей это не мелочь.
Slack — упоминания и лички, GitHub — для ревью-кода. Identity через OIDC режет треды по user id, чтобы чужие переписки не смешались. Evals на Harbor проверяют не только красивый ответ, но и файлы в workspace — честнее, чем «похоже на эталон».
Кому зайдёт и где тормоза
Если вы уже на Deep Agents и устали писать свой рантайм — смотрите сюда. Нужен полный контроль над auth — LangSmith Deployment напрямую. Хотите всё у себя в стойке — open-source harness и свои сервера.
Минусы беты: только US Cloud, CLI-first, SDK пока закрыт. Это не замена Cursor Cloud Agents — другой зоопарк для другой задачи. Но вопрос «кто кормит агента ночью» только что получил готовый ответ с песочницей в комплекте.
Автоматизация и агенты в Cursor и Make — в канале Ковчег и в MAX. Разобрать связку Cursor + Make + AI по шагам — на kv-ai.ru/obuchenie-po-make.
