LangChain lança Managed Deep Agents 0.8 com memória por usuário

Notícia
Programação
24/09/2026

A LangChain anunciou em 24 de setembro de 2026 o lançamento da versão 0.8 do Managed Deep Agents, pacote que reúne o harness Deep Agents e a infraestrutura necessária para colocar agentes de IA em produção. A atualização traz credenciais de titularidade do usuário, memória no nível do usuário, canais HTTP, transferência de arquivos no Slack e uma ferramenta pronta de busca na web, com tecnologia da Parallel.

Segundo a empresa, a proposta é que times de engenharia dediquem esforço ao comportamento do agente. Em vez de reconstruir a mesma base técnica a cada novo projeto.

O que é o managed deep agents

O produto combina o harness Deep Agents com a infraestrutura gerenciada necessária para operá-los em escala. O harness é um conjunto de primitivas para agentes que assumem tarefas longas e críticas.

Um Managed Deep Agent é um projeto code-first que fica no repositório do próprio cliente. Ele organiza as peças do agente em uma estrutura de diretórios enxuta.

Arquivos como agent.py, agent.ts ou agent.tsx definem o agente. instructions.md guarda o prompt sincronizado ao Context Hub. identity.py e memory.py cuidam de autenticação, escopo de thread e escopo de memória.

Pastas como channels/, middleware/, schedules/, connectors/, skills/ e sandbox/ concentram pontos de entrada, cron gerenciado, conectores, habilidades e configuração de sandbox.

A LangChain ilustra o uso com um agente interno de apoio ao time de vendas, chamado no texto de GTM Agent. Ele consulta dados de contas, pesquisa informações sobre clientes, redige briefings de reunião e e-mails de follow-up.

Para dar conta disso, o agente precisa de memória, acesso a ferramentas, busca na web, raciocínio e planejamento. Prototipar com o Deep Agents é direto.

Colocar esse mesmo agente para rodar em produção exige camadas adicionais, como canais, identidade, autenticação e gestão de permissões de ferramentas. Segundo a empresa, esse trabalho costuma consumir trimestres de roadmap e manutenção contínua.

Memória por usuário e identidade

Quando um agente é usado por várias pessoas em produção, sistemas seguros de gestão de memória deixam de ser detalhe. O Managed Deep Agents já oferecia memória durável de agente, que permite a uma implantação reter instruções e preferências entre conversas.

A configuração é feita por arquivos de declaração, com componentes como MemoryLayer e define_memory expostos pelo pacote managed_deepagents.

A versão 0.8 acrescenta uma segunda camada: a memória no nível do usuário, com escopo na pessoa autenticada que inicia a execução do agente. Esse espaço guarda contexto específico do interlocutor, como preferências, estilo de trabalho, tarefas recorrentes ou detalhes que o próprio usuário pediu para lembrar.

O conteúdo não se mistura com a memória compartilhada do agente. Nos bastidores, a memória durável é sustentada pelo Context Hub do LangSmith.

Do lado de autenticação, a versão 0.8 passa a aceitar credenciais de propriedade do usuário. Assim, o agente atua com as permissões corretas de quem o acionou.

A identidade do agente e a identidade do usuário são fornecidas por meio de conexões gerenciadas. Isso também define o escopo das threads e da memória.

Canais http e busca na web embutida

Outra frente da atualização são os canais HTTP. Com eles, o agente pode ser acessado por ferramentas internas, portais de clientes, sistemas de suporte e outras superfícies de produto capazes de enviar webhooks.

O material cita, ainda, a transferência de arquivos no Slack entre as novidades da release. Isso amplia o uso do agente em um dos canais mais comuns em ambientes corporativos.

A release também inclui uma ferramenta de busca na web pronta para uso, com tecnologia da Parallel. Ela dispensa o time de montar essa integração do zero.

Segundo a LangChain, a versão 0.8 responde a quatro desafios recorrentes de quem coloca agentes em produção: memória, autenticação, canais e gestão de ferramentas. A documentação oficial descreve o Managed Deep Agents e o harness que serve de base.

Por que isso importa

O anúncio aponta para um movimento mais amplo no mercado de agentes de IA. A disputa deixa de ser apenas sobre o modelo usado e passa a envolver a infraestrutura que transforma um protótipo em serviço confiável.

Memória separada por usuário e credenciais próprias tocam em pontos sensíveis de segurança e privacidade. Evitam que o contexto de uma pessoa vaze para o histórico de outra e garantem que o agente não aja além das permissões de quem o acionou.

Canais HTTP e suporte a arquivos no Slack reduzem a distância entre o agente e as ferramentas que as equipes já usam no dia a dia. A busca na web embutida elimina uma integração repetitiva.

Para a LangChain, o argumento comercial é claro: em vez de gastar trimestres reconstruindo autenticação, escopo de memória e conectores, as equipes podem concentrar o trabalho na lógica que diferencia o agente.