LangChain Managed Deep Agents 0.9:代理自建日程、按次配置与 Slack 表情确认
LangChain 发布 Managed Deep Agents 0.9:代理可在对话中创建提醒与周期任务;同一部署可按次选择模型与技能;Slack 可先用表情确认已读。
LangChain 发布 Managed Deep Agents 0.9,面向在 Slack 或自建频道里长期运行的内部代理。三点更新:一是 Schedules SDK,代理可在对话中创建提醒、跟进与 cron 周期任务,任务以请求者权限执行并把结果打回原频道;二是按次配置,单个部署在每次 run 开始时可按上下文选择模型、指令、技能、MCP 与沙箱,避免为每个团队复制一整套代理;三是 Slack 表情确认,默认用眼睛表情表示已收到,也可按消息内容换表情或关闭。
对软件研发与平台团队,0.9 更像把「内部助手」从一次性聊天升级成可排程、可按仓库/频道裁剪工具箱的常驻同事。按次配置尤其适合多仓库编码代理:支付服务用更强模型与 Python 技能,前台用更轻模型与前端检查,且在模型开跑前就锁定工具集,减少越权与上下文膨胀。产品目前处于 Public Beta,公开博客还提到可用 mda init / mda deploy 起步;接入前请核验权限继承、密钥托管与频道数据留存策略。
若你已经在用 Deep Agents 做内部助手,0.9 的日程能力适合把「明天提醒我跟进这个告警」从人工日历迁到代理侧,但仍要明确时区、失败重试与权限回收。按次配置则适合平台组收敛部署数量:一个二进制服务多个上下文,而不是为每个业务线复制仓库。Slack 表情虽小,却能降低「代理是不是挂了」的误判。上线前请核对 Public Beta 条款、数据驻留与审计日志是否满足内控要求。
TL;DR on Managed Deep Agents 0.9
TL;DR on Managed Deep Agents 0.9: ✅ Agent-created schedules: agents can set up reminders and recurring tasks from a conversation. ✅ Per-run configuration: one deployment can pick its model, skills, and tools for each run. ✅ Slack reactions: agents acknowledge messages before they reply.
https://www.langchain.com/blog/managed-deep-agents-schedules-per-run-configuration-slack