SkillsScout
META-AGENT ／ 元技能与 Agent 增强

managed-deep-agents-langchain-ai-langchain-skills

收录日期 2026-08-09·来源仓库 ↗
受欢迎程度
7
可用程度与相关性
6
安全性
8
7.0SCOUT SCORE

1. 基本信息

项目 内容 数据来源
名称 managed-deep-agents-langchain-ai-langchain-skills（SKILL.md 内部名称 managed-deep-agents） GitHub
作者/维护者 LangChain（langchain-ai 官方组织，LangChain / LangGraph / Deep Agents / LangSmith 的开发方） GitHub API + plugin.json
来源链接 https://github.com/langchain-ai/langchain-skills/tree/main/config/skills/managed-deep-agents —
许可证 MIT（仓库 .claude-plugin/plugin.json 声明 "license": "MIT"；对应的 managed-deepagents 包在 PyPI/npm 上同样标注 MIT，仓库根目录未附独立 LICENSE 文件） GitHub API + plugin.json + PyPI/npm
GitHub Stars/Forks 所属合集仓库 langchain-ai/langchain-skills 整体 1,111★/86 forks（覆盖 22 个不同子技能，不代表本技能自身热度） GitHub API
最新版本 CLI 包 managed-deepagents 0.5.1（PyPI/npm 均已发布，SKILL.md 内注明“文档略微领先于已发布 CLI，请以 mda --help 为准”） PyPI + npm registry
安装方式 npx skills add langchain-ai/langchain-skills --skill managed-deep-agents --yes GitHub README

2. 功能介绍与亮点

Managed Deep Agents（简称 MDA）是 LangChain 官方推出的托管运行时：把一个 Deep Agent 定义为一个文件夹，用 mda 命令行本地开发、测试、部署到 LangSmith 托管基础设施，不需要自己搭 Agent 服务器。

主要亮点：

3. 适用场景

所属分类：元技能与 Agent 增强（该技能教的是如何把一个 Agent 自身定义、部署、赋予记忆与审批机制，属于“Agent 行为方式与配置”本身，而非某个外部系统的接入）。

适用于已经在用 LangChain / LangGraph / Deep Agents 写 Agent、想把它从本地脚本变成一个真正上线运行的服务，但不想自己维护服务器、队列、鉴权这套基础设施的开发者。典型场景：给内部团队做一个每天早上自动发送摘要的 Slack 机器人、给产品做一个能记住用户偏好的客服 Agent、需要在敏感操作（如退款、发送邮件）前插入人工审批环节的自动化流程。

4. 跨 Agent 兼容性

5. 推荐理由

如果你已经用 LangChain 生态搭好了一个 Deep Agent，下一个问题往往是“怎么让它一直跑着、给团队用”——自己搭服务器、写鉴权、接消息通道、做审批流，这些和“Agent 本身该做什么”没什么关系，却要花大量时间。Managed Deep Agents 把这一整块托管了：本地开发用 mda dev，改完直接 mda deploy 上线，人工审批、跨调用记忆、Slack 接入这些原本要自己拼的能力都是声明式的文件位置。对于目标用户（用 Claude Code / Codex 等工具写代码的中初级 Agent 开发者）来说，这是官方给出的、从“能跑的脚本”到“能给别人用的服务”最短的一条路。

6. 评分

维度 分数 说明
受欢迎程度 7 LangChain 官方（langchain-ai）出品；所属合集仓库 1,111★ 不计入单个子技能，本技能自身暂无独立第三方热度数据（LangChain 官方博客与一家科技媒体报道了其发布，但未见足量独立第三方持续讨论）
可用性 6 SKILL.md 与 CLI 文档非常详尽（项目结构、CLI 参考、常见坑逐条列出），近日仍在活跃更新；但功能本身处于公测阶段且仅限美国区 LangSmith Cloud，无自托管或其他地区选项
安全性 8 见下方安全检查清单

安全检查清单：①有 shell 执行能力，但通过远端托管沙箱隔离运行（sandbox/ 声明后代理才能用 execute 跑命令），不影响用户本机，且一行删除 sandbox/ 目录即可关闭 ②本质是把 Agent 部署到 LangSmith 云端，联网与数据上传是产品设计的核心用途而非隐藏行为，去向单一、透明 ③需要 LANGSMITH_API_KEY 与模型厂商 API key，SKILL.md 明确要求“不要替用户往 .env 写真实密钥、不要把密钥值回显到终端或对话”，纪律清楚 ④通读 SKILL.md 全文未发现可疑指令或隐藏外发行为 ⑤LangChain 官方组织出品，无造假迹象 ⑥License 为 MIT，经 plugin.json 与 PyPI/npm 三处独立确认一致 ⑦仓库最近一次提交为 2026-08-07，持续活跃维护

综合评分 = 三项均值 = 7.0

7. 跟同类 Skills 相比的优势

方案 定位 与 Managed Deep Agents 的差异
LangGraph 自托管部署（langgraph deploy，同属 langchain-ai） 同一生态下“自己管基础设施”的选项 需要自定义 HTTP 路由、自定义鉴权、更强隔离性、或非美区部署时应选它；换来的是要自己承担运维复杂度，SKILL.md 本身也明确建议这类需求“改走这条路”
AWS Bedrock AgentCore 亚马逊云科技的框架无关托管 Agent 运行时，2026 年内相继推出 Node.js 直接部署、EC2 规格的 Runtime Instances 等能力，已正式可用（非公测） 不绑定任何单一 Agent 框架（LangChain / CrewAI / 自研代码均可接入），托管在 AWS 自有基础设施上、可覆盖更多区域；但没有 MDA 那种“文件夹位置即能力”的声明式约定，需要自己用 CDK/CLI 组装部署配置，与 LangChain 生态（Context Hub、Deep Agents harness）的集成也不如 MDA 紧密

8. 用户评价

该技能目前在第三方平台尚无具名用户评价；已检索到的公开报道均围绕 LangChain 官方发布本身（官方博客与一篇会议报道媒体文章），未见独立用户或社区对该功能的具体使用反馈。

9. 安装使用方式

方式一（推荐，任意支持 Agent Skills 规范的工具）：

npx skills add langchain-ai/langchain-skills --skill managed-deep-agents --yes

方式二（Claude Code 插件市场，安装整个技能包）：

/plugin marketplace add langchain-ai/langchain-skills
/plugin install langchain-skills@langchain-skills

方式三（克隆仓库后用安装脚本）：

git clone https://github.com/langchain-ai/langchain-skills
cd langchain-skills
./install.sh --deepagents ~/my-project   # 面向 Deep Agents CLI 场景

安装后注意事项：

10. 注意事项