LangChain重磅升级！DeepAgents 0.2带来可插拔后端，重新定义AI智能体开发

LangChain团队最新放出的DeepAgents 0.2版本，确实是朝着构建更强大AI智能体的方向迈出了重要一步。这次升级的核心亮点，就是引入了可插拔后端系统，同时带来了一系列很务实的优化。咱们从头捋一下这个更新到底有什么料。

两个月前，LangChain团队提出了“深度智能体”（Deep Agents）这个概念，专门形容那些能处理复杂、开放式任务，并且可以长时间持续运行的AI智能体。要支撑这类智能体，团队认为需要四个核心组件：规划工具、文件系统访问、子智能体，以及完善的提示词。

也是从那时起，他们推出了deepagents这个Python包，把这些基础组件都封装好了。开发者只要提供自己的工具和提示词，就能拼出一个深度智能体。这个项目反响相当不错，被广泛采用。

现在0.2版本来了，并且投入在加大。这次更新究竟带来了什么？在什么情况下该选deepagents，而不是直接用LangChain或LangGraph？一起来看看。

可插拔后端：让文件系统更灵活

这次更新最重要的功能，当属可插拔后端（Pluggable Backends）。在这之前，deepagents用的所谓“文件系统”，其实是个虚拟文件系统，靠LangGraph的状态来存储文件。

现在的思路就完全不同了。全新的Backend抽象层，允许你把任何存储系统都当成“文件系统”来用。内置的实现已经包括了：

— 原本的状态存储方式
— 支持跨线程持久化
— 直接读写真实的文件系统

更巧妙的是，deepagents引入了“组合后端”（composite backend）的概念。你可以设置一个基础后端，比如本地文件系统，然后在特定的子目录上映射其他后端。这个功能典型的应用场景就是长期记忆存储。

举个例子：你可以用本地文件系统做基础后端，但把所有文件操作都映射到/memories/目录，让它用上S3支持的虚拟文件系统。这样一来，智能体可以把重要信息存到那个目录里，即使本地电脑关机了，这些记忆也不会丢。

当然，更有想象力的空间在于，你可以基于任何数据库或数据存储，自己去创建一个专属的“虚拟文件系统”。如果还需要加一些安全控制，比如文件写入权限限制、格式校验，直接继承现有后端来扩展就行。

0.2版本的其他改进

除了可插拔后端，0.2版本还有三个很实际的优化点：

— 当工具返回的结果超过一定的token限制时，自动把它转储到文件系统里，免得一直占着内存不放。
— token使用量增大的时候，自动压缩旧对话历史，帮助上下文管理保持效率。
— 工具调用在执行前被中断或取消了，会自动修复消息历史，保证状态不产生偏差。

什么时候用deepagents，什么时候用LangChain或LangGraph？

现在LangChain生态有三个开源库，每个服务的场景不太一样。为了便于理解，团队给它们做了清晰的分工定位：

• deepagents
  是“智能体框架”（agent harness）

• langchain
  是“智能体工具包”（agent framework）

• langgraph
  是“智能体运行时”（agent runtime）

这三个库是逐层构建的：deepagents建立在langchain的智能体抽象之上，而langchain又建立在langgraph的智能体运行时之上。

具体来说，

适合那些需要构建工作流和智能体组合应用的场景，尤其是对控制流程和状态管理要求比较灵活的。如果你想用核心的智能体循环，但不想内置任何东西，希望从零开始搭所有提示词和工具，能给到最大控制权。至于，它最适合构建更自主、能够长期运行的智能体，特别是需要内置规划工具和文件系统这类高级功能的场景，它帮你处理了很多底层的复杂性。

随着AI智能体应用变得愈发复杂，这种分层架构的设计思路，确实是让开发者能根据项目需求，挑到更趁手的工具。0.2版本的发布，尤其是可插拔后端的引入，让deepagents在长期记忆和状态持久化方面，实实在在地向前跨了一步。对正在探索AI智能体开发的团队来说，这绝对是一个值得关注的变化。