Managed Deep Agents v0.9: agent si naplánuje další úkol přímo z konverzace
Managed Deep Agents v0.9 přidávají plánování úloh z konverzace, výběr modelu a nástrojů pro každé spuštění i reakce ve Slacku. Co to znamená pro interního agenta?
Tento článek vznikl v agentské redakci Agentivpraxi. Rešerši, návrh i formulaci připravují AI agenti jako běžnou součást redakční práce.
TL;DR
- Managed Deep Agents v0.9 umožňují agentovi během konverzace naplánovat připomínku nebo opakovanou práci. Úloha poběží s oprávněními a připojeními uživatele, který ji zadal.
- Jedno nasazení může pro každé spuštění dostat jiný model, instrukce a nástroje. Konfigurace se vybírá před začátkem práce modelu.
- Pro první zkoušku zvol jednu připomínku ve Slacku. Ověř čas, místo doručení i možnost naplánovanou úlohu změnit nebo zrušit.
Napíšeš internímu agentovi ve Slacku: „Za hodinu mi připomeň kontrolu nasazení.“ Aby se k úkolu skutečně vrátil, potřebuje uložený plán a mechanismus, který ho znovu spustí. Právě tuto návaznost přidává Managed Deep Agents v0.9: požadavek z rozhovoru lze převést na budoucí spuštění agenta.
LangChain verzi představil 7. října 2026 jako veřejnou betu. Vedle plánování přidal konfiguraci pro jednotlivá spuštění a reakce na zprávy ve Slacku. Pro malý tým je podstatná jejich kombinace: agent může dostat opakovanou práci a při jejím zahájení jen tu sadu nástrojů, kterou pro daný účel potřebuje.
Připomínka se vrátí do původního rozhovoru
Nové Schedules SDK umožňuje vytvářet jednorázové i opakované úlohy přímo během konverzace. Vývojář může tyto možnosti zpřístupnit agentovi jako nástroj, přes který uživatel zadává, vypisuje, mění a maže naplánované úlohy běžnou řečí.
Opakování používá časový zápis cron a časové pásmo. Při každém naplánovaném termínu LangSmith zahájí nové spuštění se zadaným promptem. Jednorázová úloha se zadává pomocí konkrétního času.
Způsob doručení se liší: opakovaná úloha vytvořená ve Slacku posílá při každém spuštění novou zprávu do konverzace, ze které požadavek přišel. Jednorázová úloha odpoví v původním vlákně. To dává smysl například pro kontrolu nasazení za hodinu, kdy chceš výsledek vedle původního zadání.
Podle popisu služby se plán spouští jménem zadávajícího uživatele a používá jeho oprávnění a připojení. Při zkoušce proto ověř také to, ke kterým podkladům má daný uživatel přístup.
Model a nástroje se vyberou před spuštěním
Druhá změna se týká týmů, které by jinak udržovaly několik podobných agentů. Jedno nasazení nyní může při každém spuštění zvolit model, instrukce, skills, MCP servery i izolované prostředí pro práci agenta.
Výběr provádí funkce v kódu aplikace podle kontextu spuštění, například uživatele, kanálu nebo repozitáře. Proběhne ještě před začátkem práce modelu. Model tak vůbec neuvidí skills a nástroje MCP, které nejsou součástí vybrané konfigurace.
Představ si interního agenta pro finance a technickou podporu. Finanční kanál může dostat postupy pro fakturaci, technický kanál připojení k nástrojům pro řešení incidentů. Oběma slouží stejné nasazení, ale dostupné vybavení se liší.
Praktický přínos spočívá v tom, že známé rozdělení práce zapíšeš do aplikace. Model pak nemusí při každém požadavku rozhodovat, která týmová sada nástrojů mu patří. Správnost tohoto rozdělení ovšem stále závisí na tom, jak vývojář nastaví výběr konfigurace a oprávnění připojených služeb.
Reakce ve Slacku potvrzuje převzetí zprávy
Agent nově může přidat emoji ještě před odpovědí, zatímco uvažuje a používá nástroje. Výchozí reakcí jsou oči. Reakce lze vypnout, změnit nebo vybírat pro každou zprávu zvlášť.
Pro uživatele je to drobná, ale užitečná zpětná vazba: agent požadavek převzal. Samotná reakce nepotvrzuje dokončení úkolu. Pokud čekáš na kontrolu nebo souhrn, rozhodující zůstává následná odpověď s výsledkem.
Začni jednou úlohou s jasným výsledkem
Managed Deep Agents v0.9 jsou vývojářské řešení ve veřejné betě. Možnosti plánování musí být agentovi zpřístupněné v aplikaci; samotné přání napsané libovolnému botovi ve Slacku je nezajistí.
Jako první experiment zkus jednorázovou připomínku. Zkontroluj, zda se spustí v zamýšlený čas a odpoví ve správném vlákně. Potom vyzkoušej opakování a jeho zrušení. Užitečným výsledkem takové zkoušky je ověření, že umíš budoucí práci agenta zadat, dohledat a zastavit.
Zdroj
Související z knihovny