刚刚，Anthropic官方Harness被LangChain悄悄开源了~

上周Anthropic下场发布了官方HarnessClaude Managed Agents将Harness从概念变成产品。核心思路很漂亮把大脑HarnessClaude 及其控制循环负责推理和决策和手Sandbox执行环境运行代码和编辑文件解耦再把会话日志做成一个独立于上下文窗口的持久化存储。这样容器挂了能恢复会话不怕丢沙箱随便换。这套设计确实先进但可惜——它是 Anthropic 自用的闭源你得用 Claude你的会话记忆全锁在它的 API 里。结果LangChain直接跳出来说你这套我也有而且我开源。LangChain正式发布Deep Agents Deploy的 Beta 版本。这是部署一个模型无关、开源的 Agent 框架Agent Harness的最快方式且可直接用于生产环境。Deep Agents Deploy 为开放世界而生。它基于Deep Agents—— 一个开源、模型无关的 Agent 框架。框架Harness与记忆Memory紧密绑定这意味着选择开源框架就是选择拥有你自己的记忆而不是被锁定在专有框架或单一模型中。一个闭源一个开源。一个锁死在 Anthropic 的生态里一个让你随便换模型、自己管记忆。有意思了。从框架工程到生产部署在过去几个月里**“框架工程”Harness Engineering** 已成为将大语言模型转化为 Agent 的学科。这些框架包含编排逻辑、工具、技能它们构成了 Agent 的基础同时允许开发者通过自定义指令、工具、技能来针对特定用例进行定制。但要将 Agent 投入生产还需要几个步骤以多租户、可扩展的方式部署 Agent 编排逻辑和记忆系统设置沙盒环境使其按 Agent 会话自动创建搭建与 Agent 交互的端点包括 MCP、A2A 以及用于人机协同、记忆管理等端点今天我们将所有这些步骤打包成一个命令deepagents deploy你在部署什么通过deepagents deploy你部署的是自定义 Agent。需要指定几个参数model使用的大语言模型。Deep Agents 支持任何模型或模型提供商包括 OpenAI、Google、Anthropic、Azure、Bedrock、Fireworks、Baseten、Open Router 和 Ollama。更多信息请查看我们的模型文档。AGENTS.mdAgent 的核心指令集在会话开始时加载的指令。skillsAgent 技能允许通过 Markdown 文件提供专业知识和通过脚本执行操作。更多信息请查看技能文档。mcp.jsonAgent 可通过 MCP 协议HTTPS/SSE调用的工具。sandbox如有需要可指定 Agent 用于工作和运行技能的沙盒环境。Deep Agents 开箱即用地集成了 Daytona、Runloop、Modal 或 LangSmith Sandboxes。任何沙盒提供商都可以与 Deep Agents 配合使用请查看我们的实现指南。部署机制在底层deepagents deploy将你的 Deep Agent 与其专属的LangSmith Deployment 服务器打包在一起。这是一个可用于生产环境、支持水平扩展的服务器。它会启动一个包含30 端点的服务器包括MCP允许你将部署的 Agent 作为工具调用A2A允许你在多 Agent 设置中调用部署的 AgentAgent Protocol便于你编写精美的 UI 与部署的 Agent 交互Human-in-the-loop允许你设置护栏控制 Agent 在没有人工干预的情况下可以或不可以做什么Memory 端点便于你轻松访问 Agent 的短期或长期记忆开放生态系统deepagents deploy的一个关键部分是融入开放生态系统。具体来说我们使用deepagents一个完全开源、MIT 许可证的框架支持 Python 和 TypeScript我们使用AGENTS.md一个开放标准作为指定 Agent 指令的方式我们使用 Agent Skills一个开放标准作为向 Agent 提供专业知识的方式我们集成每一个模型提供商让你完全掌控。没有 Anthropic 锁定你可以为任务选择最佳的模型组合甚至开源模型。我们集成每一个沙盒提供商让你完全掌控我们通过 MCP、A2A 和 Agent Protocol 开放标准暴露 Agent你可以自托管 LangSmith Deployments从而托管并拥有你自己的记忆记忆为什么开放生态系统至关重要Agent 框架和 Agent 平台需要开放生态系统的核心原因是记忆。Agent 框架与记忆紧密绑定Sarah Wooders 写了一篇关于此的精彩文章。框架的一个关键角色是管理上下文记忆就是上下文。随着框架的更多部分被封闭、锁定在 API 之后——你的记忆也被锁定。实际上从一个模型切换到另一个模型相当容易当然你可能需要稍微调整提示词但不会太难。因此仅模型 API 本身并没有太大的锁定性正如我们最近看到的从 OpenAI 向 Anthropic 的大规模迁移。但当你开始将记忆打包在这些 API 之后——无论是短期记忆还是长期记忆——它就会造成难以置信的锁定。想象你创建了一个内部的 SDR销售开发代表Agent。它开始时很基础但随着与用户交互它会实时学习。这些记忆不断积累——但都被锁定在封闭 API 之后。如果你想迁移出那个框架或那个模型——那就意味着重置你的 Agent 记忆从头开始。对于你向客户开放的 Agent 来说情况更糟。你构建了一个面向客户的销售 Agent它积累了与客户交互的记忆。所有这些记忆都被锁定在封闭 API 之后。这些记忆是你应该构建的数据飞轮的一部分用于随时间改善客户体验。但它们不再属于你——它们属于拥有那个封闭 API 的人。deepagents deploy以标准格式AGENTS.md、skills 和其他文件存储记忆允许你直接通过 API 查询它们如果你选择自托管确保记忆始终只保留在你的数据库中。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】