LangChain于4月9日发布Deep Agents Deploy测试版，号称是Claude Managed Agents的开源替代方案。核心主张一句话：选Agent Harness就是选内存所有权。

一条命令进生产

deepagents deploy将生产部署的所有步骤打包成一条命令：

  • 部署Agent编排逻辑和内存（多租户、可扩展）
  • 自动配置沙箱（按会话启动）
  • 启动30+端点（MCP、A2A、Agent Protocol、人机交互、内存接口）

参数配置极度灵活：

  • 模型：支持OpenAI、Google、Anthropic、Azure、Bedrock、Fireworks、Baseten、Open Router、Ollama任意组合，完全不绑定
  • AGENTS.md：Agent核心指令集，会话启动时加载
  • Skills：Agent专用技能（Markdown知识库+可执行脚本）
  • mcp.json：MCP协议工具定义（HTTPS/SSE）
  • 沙箱：支持Daytona、Runloop、Modal或LangSmith Sandboxes

底层实际上是将你的Deep Agent绑定一个LangSmith Deployment服务器，实现水平扩展。

真正的主战场：内存

文章用很大篇幅论证为什么开源Harness才是正确的选择，核心论点只有一个：Harness与内存天然绑定，封闭Harness就是在出卖内存所有权。

Sarah Wooders在文章中指出：Harness的核心职责之一就是管理上下文，而上下文就是内存。当Harness封闭化，内存也随之封闭。

模型切换其实没那么痛苦——调整一下Prompt就行，去年从OpenAI迁往Anthropic的浪潮已经证明了这一点。但内存一旦绑定封闭API，迁移成本就是清零重来。

两种场景很说明问题：

  • 内部SDR Agent：与用户对话中持续学习，积累的交互记忆全部存在封闭API后面。想换Harness？内存没了。
  • 面向客户的销售Agent：客户画像、沟通偏好、对话历史——这些数据飞轮本该是你的资产，但它们在别人的数据库里。

Deep Agents Deploy的解法：内存以标准格式存储（AGENTS.md、Skills等文件），可直接通过API查询，自托管模式下数据永远在自己的数据库里。

开放生态三件套

标准用途
AGENTS.mdAgent指令规范（开放标准）
Agent Skills专用知识与技能（agentskills.io）
MCP / A2A / Agent Protocol工具调用与多Agent通信（开放协议）

Deep Agents本身是MIT协议开源，支持Python和TypeScript。

对比Claude Managed Agents

两者架构层面相似度很高——都是Harness + Agent Server + Sandboxes的三层结构。但Claude Managed Agents是一个"围墙花园"：

  • 内存绑定Anthropic API，换模型意味着换Harness、意味着内存清零
  • 只能使用Anthropic模型
  • 部署和内存都在Claude平台内部

Deep Agents Deploy的核心差异化定位：你可以用任意模型组合，内存永远是你自己的。