Managed Deep Agents 퀵스타트

Managed Deep Agents 퀵스타트

mda CLI로 첫 번째 Managed Deep Agent를 만들고 배포할 수 있어요.

첫 번째 Managed Deep Agent를 만들고 배포해 보세요: 프로젝트를 스캐폴딩하고, 모델과 지시사항을 구성하고, 검색을 추가한 다음, LangSmith Studio에서 테스트하고, mda CLI로 배포합니다. Managed Deep Agents는 Deep Agents 하네스와 호스팅 런타임을 제공합니다.

이 퀵스타트 이후 튜토리얼은 같은 프로젝트에 영구 메모리와 일일 스케줄을 추가합니다.

Managed Deep Agents는 공개 베타 상태이며 LangSmith Cloud의 미국 지역에서만 사용할 수 있어요.

출처: 문서

본문

사전 요구사항 (Prerequisites)

따라 하려면 다음이 필요합니다:

• Node.js와 npm.
• 선택한 모델 공급자의 API 키.

managed-deep-agents 스킬 추가하기

managed-deep-agents 스킬은 코딩 에이전트가 mda CLI로 Managed Deep Agent를 빌드, 테스트, 배포하는 과정을 안내합니다. 현재 프로젝트에 추가하려면 실행하세요:

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

또는 이 프롬프트를 코딩 에이전트에 붙여넣으세요:

<Prompt description="Build a Managed Deep Agent with the quickstart" icon="sparkles" actions={["copy"]}> Create and deploy a Managed Deep Agent in this working directory by following the Managed Deep Agents quickstart.

Step 1: Read the guide

Fetch and follow https://docs.langchain.com/langsmith/managed-deep-agents-quickstart.md as the source of truth for CLI commands, project layout, and deployment steps. Prefer the Python or TypeScript path that matches this project.

Step 2: Install the skill

If the managed-deep-agents skill is not already available, install it:

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

Use that skill for the rest of the workflow when it is available.

Step 3: Prerequisites and secrets

Confirm the user has LangSmith access and any required model or search credentials. If a required API key is missing, ask them to set it in the shell or a .env file, then wait. Do not invent, hardcode, or commit secrets.

Step 4: Scaffold, configure, test, and deploy

Follow the quickstart steps in order: initialize the project with mda, configure the model and instructions, add search as shown on the page, test in LangSmith Studio, and deploy with the mda CLI. Stop and ask when a dashboard action or credential can only be completed by the user in the LangSmith UI.

Rules

• Stay scoped to the quickstart. Do not add unrelated products or rewrite the generated project layout unless the guide requires it.
• Prefer the mda CLI and the managed-deep-agents skill over inventing a custom deployment path.
• Ask rather than guess when a secret, plan-tier limit, or UI-only step is unclear.

에이전트 생성 및 배포하기 (Create and deploy an agent)

프로젝트 설정하기 (Set up the project)

프로젝트를 만들고 디렉터리를 엽니다:

npx managed-deepagents init research-assistant
cd research-assistant

pnpm dlx managed-deepagents init research-assistant
cd research-assistant

bunx managed-deepagents init research-assistant
cd research-assistant

이제 에이전트를 위한 모든 스캐폴딩이 준비되었습니다.

키 추가하기 (Add your keys)

모델 공급자 API 키를 .env에 추가합니다:

OPENAI_API_KEY=<OPENAI_API_KEY>
# ANTHROPIC_API_KEY=<ANTHROPIC_API_KEY>
# GOOGLE_API_KEY=<GOOGLE_API_KEY>

이 퀵스타트는 기본적으로 OpenAI를 사용합니다. 다음 단계에서 Google 또는 Anthropic을 선택하면 해당 공급자의 API 키를 대신 설정하세요. mda deploy는 공급자 키를 배포에 추가합니다. 다른 채팅 공급자도 사용할 수 있습니다.

.env 파일을 버전 관리에 커밋하지 마세요. 여기에는 비밀번호가 포함되어 있습니다.

LangSmith 설정하기 (Set up LangSmith)

Managed Deep Agents는 LangSmith에서 실행됩니다. LangSmith API 키는 mda dev로 로컬 개발을 인증하고, mda deploy로 에이전트를 배포하며, LangSmith Studio에서 에이전트를 열어 채팅하고 트레이스를 검사합니다.

아직 계정이 없다면 LangSmith에 가입하세요.

LangSmith API 키를 만들려면 설정(Settings)을 열고 API 키(API Keys) 로 이동한 다음 API 키 생성(Create API Key) 을 클릭합니다. 자세한 내용은 계정 및 API 키 생성을 참고하세요.

LangSmith API 키를 .env에 추가합니다:

LANGSMITH_API_KEY=<LANGSMITH_API_KEY>

지시사항 편집하기 (Edit the instructions)

instructions.md를 열고 에이전트가 어떻게 동작해야 하는지 설명합니다:

# Research assistant

You are a careful research assistant. Use internet search to find sources,
keep notes, and return concise answers with citations.

배포하면 Managed Deep Agents는 이 지시사항을 LangSmith Context Hub에 동기화하며, 에이전트를 재배포하지 않고도 업데이트할 수 있습니다.

모델 및 검색 구성하기 (Configure your model and search)

이제 모델과 내장 웹 검색 도구를 설정합니다. Google, OpenAI, Anthropic은 추가 패키지나 API 키 없이 서버 측 검색을 제공합니다. 모델과 일치하는 공급자 도구 딕셔너리를 전달하세요:

agent.ts를 엽니다:

import { defineDeepAgent } from "managed-deepagents";

// OpenAI의 내장 웹 검색 — 추가 설치나 API 키 불필요
export const agent = defineDeepAgent({
  name: "research-assistant",
  model: "openai:gpt-5.5",
  tools: [{ type: "web_search_preview" }],
});

import { defineDeepAgent } from "managed-deepagents";

// Google의 내장 검색 — 추가 설치나 API 키 불필요
export const agent = defineDeepAgent({
  name: "research-assistant",
  model: "google-genai:gemini-3.6-flash",
  tools: [{ google_search: {} }],
});

import { defineDeepAgent } from "managed-deepagents";

// Anthropic의 내장 웹 검색 — 추가 설치나 API 키 불필요
export const agent = defineDeepAgent({
  name: "research-assistant",
  model: "anthropic:claude-sonnet-4-6",
  tools: [{ type: "web_search_20250305", name: "web_search" }],
});

에이전트 이름은 기본 배포 이름이기도 합니다. 모델 개념과 공급자 옵션은 Models을 참고하세요.

TAVILY_API_KEY=<TAVILY_API_KEY>

npm install @langchain/tavily

pnpm add @langchain/tavily

bun add @langchain/tavily

import { TavilySearch } from "@langchain/tavily";
import { tool } from "langchain";
import { z } from "zod";

export const internetSearch = tool(
  async ({ query, maxResults = 5, topic = "general" }) => {
    const tavilySearch = new TavilySearch({
      maxResults,
      tavilyApiKey: proces...KEY,
      topic,
    });
    return tavilySearch._call({ query });
  },
  {
    name: "internet_search",
    description: "Search the internet for relevant sources.",
    schema: z.object({
      query: z.string().describe("The search query."),
      maxResults: z.number().optional().default(5),
      topic: z.enum(["general", "news", "finance"]).optional().default("general"),
    }),
  },
);

import { defineDeepAgent } from "managed-deepagents";

import { internetSearch } from "./tools/search";

export const agent = defineDeepAgent({
  name: "research-assistant",
  model: "openai:gpt-5.5",
  tools: [internetSearch],
});

npm install
npx mda dev

pnpm install
pnpm exec mda dev

bun install
bunx mda dev

What were the main announcements from the latest LangChain release?

npx mda deploy

pnpm exec mda deploy

bunx mda deploy