Deep Agents
Deep Agents是一种面向企业级应用场景的智能代理（Agent）工程化落地框架概念，旨在将大语言模型驱动的自主代理系统从原型阶段推进至可靠的生产部署。其核心特征包括：支持多步骤任务规划与执行、强调工程化可控性与稳定性，以及提供适用于复杂业务流程的模块化架构设计，以降低企业构建和维护智能代理系统的技术门槛。
时间轴 (近 90 天)
开发者应根据运维能力、定制需求、数据合规和上线速度四个维度在自托管与托管版本间抉择
有开发者在 Reddit 社区提出 Deep Agents 与 MDA（Managed Deep Agents，托管式深度智能体）之间的区别问题
关于 Deep Agents 与 MDA 区别的区分基于命名惯例与框架设计模式的推断，社区原帖并未给出官方权威定义
Deep Agents 的持久化中间状态存储通常依托 LangGraph 的状态图机制实现
在LangChain托管Deep Agents中，模型、提示词、工具和子智能体由开发者决定，而持久化、记忆、技能加载、代码执行沙箱和部署由平台处理
LangChain的托管版Deep Agents进入公开测试，开发者可用Python或TypeScript编写Deep Agent并部署到LangSmith的托管运行时
推荐学习路径为先学中间层LangChain建立整体认知，再深入底层LangGraph理解原理，最后学习高层封装Deep Agents
如果做快速验证原型可直接用Deep Agents高层封装，如果要做产品化定制则需深入LangGraph以获得对流程的完全掌控
Deep Agents封装了LangChain框架，而LangChain又封装了LangGraph框架，构成三层结构
Agent负责任务分工与Token管理，作者设置了深度分析Agent和编排(Orchestration)Agent等不同角色
全部知识事实 (10)
Deep Agents 的持久化中间状态存储通常依托 LangGraph 的状态图机制实现
50%待验证开发者应根据运维能力、定制需求、数据合规和上线速度四个维度在自托管与托管版本间抉择
50%待验证关于 Deep Agents 与 MDA 区别的区分基于命名惯例与框架设计模式的推断，社区原帖并未给出官方权威定义
50%待验证在LangChain托管Deep Agents中，模型、提示词、工具和子智能体由开发者决定，而持久化、记忆、技能加载、代码执行沙箱和部署由平台处理
50%待验证推荐学习路径为先学中间层LangChain建立整体认知，再深入底层LangGraph理解原理，最后学习高层封装Deep Agents
50%待验证如果做快速验证原型可直接用Deep Agents高层封装，如果要做产品化定制则需深入LangGraph以获得对流程的完全掌控
50%待验证Deep Agents封装了LangChain框架，而LangChain又封装了LangGraph框架，构成三层结构
50%待验证Agent负责任务分工与Token管理，作者设置了深度分析Agent和编排(Orchestration)Agent等不同角色
50%待验证有开发者在 Reddit 社区提出 Deep Agents 与 MDA（Managed Deep Agents，托管式深度智能体）之间的区别问题
50%待验证LangChain的托管版Deep Agents进入公开测试，开发者可用Python或TypeScript编写Deep Agent并部署到LangSmith的托管运行时
50%