LangChain เปิดตัว Managed Deep Agents เร่งการใช้งาน Agent ใน Production

TL;DR

• LangChain ได้เปิดตัว Managed Deep Agents ซึ่งเป็นบริการ Runtime แบบโฮสต์ใหม่บน LangSmith
• ช่วยให้นักพัฒนาสามารถสร้าง, รัน, และจัดการ AI Agent ที่ทำงานระยะยาวได้ง่ายขึ้น โดยไม่ต้องกังวลเรื่องโครงสร้างพื้นฐาน
• ฟีเจอร์สำคัญได้แก่ managed runtime ที่ทนทาน, การบันทึกสถานะ (checkpointing), การทำงานแบบ streaming, และ Context Hub สำหรับจัดการหน่วยความจำของ Agent
• บริการนี้อยู่ในช่วง private beta โดยมุ่งเน้นที่การปรับปรุง workflow การใช้งาน Agent ใน Production

LangChain ได้ประกาศเปิดตัว Managed Deep Agents บริการใหม่ที่อยู่ในช่วง private beta ซึ่งออกแบบมาเพื่อแก้ไขปัญหาที่ซับซ้อนในการพัฒนาและใช้งาน AI Agent ที่ต้องทำงานต่อเนื่องและยาวนาน บริการนี้จะทำหน้าที่เป็น Runtime แบบโฮสต์บนแพลตฟอร์ม LangSmith ช่วยให้นักพัฒนาสามารถโฟกัสไปที่การสร้างพฤติกรรมของ Agent ได้อย่างเต็มที่ โดยไม่ต้องเสียเวลาไปกับการตั้งค่าและดูแลรักษาโครงสร้างพื้นฐานที่จำเป็นสำหรับ Agent ประเภทนี้

การสร้าง Agent ที่มีความสามารถในการทำงานระยะยาวนั้น จำเป็นต้องมีองค์ประกอบหลายอย่างที่ซับซ้อน เช่น การประมวลผลที่ทนทาน (durable execution), การเข้าถึงเครื่องมือต่างๆ, สภาพแวดล้อมที่ปลอดภัย (sandbox), ระบบหน่วยความจำสำหรับเก็บข้อมูล, และการติดตามการทำงาน (tracing) การประกอบองค์ประกอบเหล่านี้ด้วยตนเองนั้นใช้เวลาและทรัพยากรอย่างมาก ซึ่งอาจทำให้ทีมพัฒนาเสียสมาธิไปจากเป้าหมายหลักคือการสร้าง Agent ให้มีความสามารถเฉพาะตัว

Managed Deep Agents จะเข้ามาเป็น "บ้าน" ที่ทนทานสำหรับ Deep Agents ที่เป็น open-source harness ซึ่งพัฒนาโดย LangChain โดย Agent Definition ต่างๆ เช่น AGENTS.md, skill directories, subagents, และ tools.json จะถูกจัดเก็บและจัดการเวอร์ชันใน LangSmith ทำให้นักพัฒนาสามารถอัปเดตและปรับปรุง Agent ได้อย่างต่อเนื่อง ในขณะที่ LangSmith จะจัดการเรื่อง Runtime ให้ทั้งหมด รวมถึงการจัดการ thread, การบันทึกสถานะ, การส่งข้อมูลแบบ streaming, และเวิร์กโฟลว์ที่มีมนุษย์เข้ามาช่วย (human-in-the-loop)

อีกหนึ่งฟีเจอร์ที่สำคัญคือ Context Hub ซึ่งช่วยให้ Agent สามารถจัดเก็บและอัปเดตข้อมูลบริบท (persistent context) ได้อย่างต่อเนื่องข้ามการรันแต่ละครั้ง ทำให้ Agent สามารถเรียนรู้และปรับปรุงตัวเองจาก real usage ได้จริง ไม่ใช่แค่จาก prompt ที่กำหนดไว้ตอนเริ่มใช้งาน นอกจากนี้ LangSmith Engine ยังสามารถเข้ามาช่วยรีวิว trace การทำงานของ Agent เพื่อค้นหาข้อผิดพลาดหรือจุดที่ควรปรับปรุงได้อีกด้วย

การกำหนดค่า Tools จะทำผ่านไฟล์ tools.json ซึ่งเป็นรูปแบบเดียวกับที่ใช้ใน Deep Agents เดิม นักพัฒนาสามารถเปิดใช้งาน Human-in-the-loop สำหรับ Tools ใดๆ ก็ได้ตามต้องการ นอกจากนี้ Managed Deep Agents ยังรองรับการทำงานแบบ sandbox-backed execution สำหรับเวิร์กโฟลว์ที่ต้องการรันโค้ด, คำสั่ง shell, หรือการจัดการไฟล์อย่างปลอดภัย ซึ่งมีประโยชน์อย่างยิ่งสำหรับ Agent ที่ต้องวิเคราะห์ข้อมูล, จัดการไฟล์, หรือสร้าง artifact เป็นส่วนหนึ่งของการทำงาน

สรุป

• Managed Deep Agents คือบริการ Runtime ที่ LangChain โฮสต์บน LangSmith ช่วยให้การสร้างและจัดการ AI Agent ระยะยาวง่ายขึ้น
• แก้ไขปัญหาการดำเนินงาน (operation) ที่ซับซ้อน เช่น durable execution, หน่วยความจำ, และ tracing
• Agent Definition ถูกเก็บใน LangSmith พร้อมฟีเจอร์ Context Hub สำหรับการเรียนรู้จาก real usage
• ปัจจุบันอยู่ในช่วง private beta สามารถสมัครเข้าร่วมผ่าน LangSmith Managed Deep Agents Waitlist

แหล่งที่มา: Managed Deep Agents: the fastest way to ship a production deep agent