DeepAgents от LangChain: обзор фреймворка для сложных многошаговых задач

DeepAgents — это open-source фреймворк от LangChain для создания автономных AI-агентов, способных решать сложные, многошаговые задачи. В отличие от простых чат-ботов, DeepAgents умеют планировать работу, управлять контекстом, делегировать задачи субагентам и сохранять состояние на протяжении длительных сессий.

Что такое DeepAgents?

DeepAgents позиционируется как «agent harness» — opinionated-агент, который работает сразу после установки. Фреймворк построен на LangGraph и предоставляет готовую инфраструктуру для:

• Планирования — агент создаёт и обновляет планы выполнения задач

• Управления контекстом — автоматическое сжатие и хранение информации

• Делегирования — запуск субагентов для параллельной работы

• Работы с файлами — виртуальная файловая система для хранения промежуточных данных

pip install deepagents

Архитектура DeepAgents

DeepAgents состоит из нескольких ключевых слоёв:

1. Ядро агента

Основной цикл работы агента включает:

• Planning Tool — создание и обновление планов задач

• Todo List — отслеживание выполненных и ожидающих задач

• Context Management — автоматическое управление окном контекста

2. Middleware-система

DeepAgents использует middleware для расширения функциональности:

3. Виртуальная файловая система

Агент имеет доступ к виртуальной файловой системе для:

• Хранения промежуточных результатов

• Оффлоадинга больших данных из контекста модели

• Координации между субагентами

from deepagents import create_deep_agent

agent = create_deep_agent(
    model="anthropic/claude-sonnet-4-6",
    tools=[my_custom_tool],
    middleware=[
        FilesystemMiddleware(),
        SubAgentMiddleware()
    ]
)

История развития

Версия 0.5 (апрель 2026)

Ключевые нововведения:

• Async subagents — фоновые субагенты, которые не блокируют основного агента

• Agent Protocol — стандартный протокол для удалённых агентов

• Multi-modal filesystem — поддержка изображений и других форматов

• Stateful threads — сохранение состояния между взаимодействиями

Версия 0.6 (июнь 2026)

Текущая стабильная версия:

• Code Interpreter — встроенный интерпретатор кода для выполнения Python-скриптов

• Performance improvements — оптимизация работы с моделями

• Auto-approval mode — автоматическое одобрение безопасных операций

• Debug Console — инструменты для отладки

Когда использовать DeepAgents?

DeepAgents подходит для задач, которые требуют:

1. Долгого времени выполнения — исследования, анализ данных, миграция кода

2. Многошагового планирования — сложные workflows с ветвлениями

3. Параллельной работы — делегирование субагентам

4. Сохранения контекста — продолжение работы после перерывов

Примеры использования

• Глубокое исследование — сбор и анализ информации из множества источников

• Адаптивная миграция кода — рефакторинг с учётом контекста проекта

• Анализ инцидентов — пошаговое расследование проблем

• Автоматизация CI/CD — управление пайплайнами

Сравнение с другими агентами

DeepAgents vs Claude Code

DeepAgents vs OpenClaw

OpenClaw — это open-source агент для работы с кодом, который:

• Работает через REST API

• Поддерживает несколько провайдеров LLM

• Имеет систему задач и проектов

• Позволяет кастомизировать поведение

DeepAgents выигрывает в:

• Готовой инфраструктуре планирования

• Встроенном управлении контекстом

• Интеграции с LangSmith для observability

DeepAgents vs GigaAgent

GigaAgent — мощный агент для сложных задач с:

• Продвинутым планированием

• Системой навыков (skills)

• Поддержкой MCP-инструментов

DeepAgents предлагает:

• Более зрелую экосистему (LangChain)

• Лучшую документацию

• Open-source лицензию

DeepAgents Code

Особый интерес представляет DeepAgents Code — готовый coding agent для терминала, аналогичный Claude Code или Cursor. Он позволяет:

• Работать с кодом через CLI

• Использовать любую LLM-модель

• Интегрировать MCP-инструменты

• Запускать в фоновом режиме

deepagents code --model claude-sonnet-4-6

Практический пример

from deepagents import create_deep_agent
from deepagents.middleware import (
    FilesystemMiddleware,
    SubAgentMiddleware,
    SummarizationMiddleware
)

# Создание агента для анализа кода
code_analyzer = create_deep_agent(
    model="anthropic/claude-sonnet-4-6",
    tools=[
        # Кастомные инструменты
        analyze_code,
        generate_report
    ],
    middleware=[
        FilesystemMiddleware(),
        SubAgentMiddleware(),
        SummarizationMiddleware()
    ],
    # Конфигурация планирования
    planning=True,
    # Виртуальная файловая система
    filesystem=True
)

# Запуск задачи
result = code_analyzer.run(
    task="Проанализируй архитектуру проекта и предложи улучшения",
    context={
        "repository": "https://github.com/example/repo",
        "focus_areas": ["security", "performance", "scalability"]
    }
)

Преимущества DeepAgents

1. Open-source — свободное использование и модификация

2. Model-agnostic — работает с любыми LLM

3. Production-ready — готов для реальных задач

4. Extensible — middleware-архитектура

5. Observability — интеграция с LangSmith

6. Async capabilities — фоновое выполнение задач

Ограничения

• Сложность настройки — требует понимания LangChain

• Зависимость от LangGraph — нужно разбираться с графами состояний

• Молодой проект — меньше community-ресурсов

• Performance overhead — дополнительные слои абстракции

Заключение

DeepAgents — это мощный инструмент для разработчиков, которым нужно решать сложные задачи с помощью AI-агентов. Фреймворк предоставляет готовую инфраструктуру для планирования, делегирования и управления контекстом, что значительно упрощает создание production-ready решений.

Для проектов, требующих глубокого анализа, многошагового планирования или параллельной работы нескольких агентов, DeepAgents предлагает надёжную основу. Интеграция с экосистемой LangChain и open-source лицензия делают его привлекательным выбором для команд, работающих с Python.

Источники

• DeepAgents Official Documentation

• DeepAgents GitHub Repository

• DeepAgents v0.6 Release Notes

• DeepAgents v0.5 Release Notes

• DeepAgents PyPI Package

• LangChain AI Agent Frameworks Guide

Статья написана командой ast-softpro.ru — разработка AI-решений, подбор оптимальных LLM-моделей, создание автономных агентов.

Смотрите также:

• AI-агенты для работы: Claude Code, Hermes, OpenClaw, GigaAgent

• Qwen 3.8 Max Preview: 2,4 триллиона параметров