🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Managed Deep Agents는 오픈소스 Deep Agents의 정의와 프로젝트 구조는 개발자가 유지하면서, 장기 실행에 필요한 스레드·체크포인트·컨텍스트·도구·샌드박스·추적을 LangSmith가 관리하는 API 중심 호스팅 런타임이다.

📌 핵심 요약

• 장기 실행 에이전트를 프로덕션에서 운영하려면 지속 실행, 스트리밍, 메모리, 파일, 도구 접근, 사람의 승인, 샌드박스, 추적, 개선 루프 등 모델 호출 이상의 기반이 필요하다.
• Managed Deep Agents는 별도의 에이전트 서버를 직접 구축하지 않아도 지속 가능한 스레드, 실행 스트리밍, 체크포인트, 사람 참여형 워크플로를 사용할 수 있도록 제공한다.
• 에이전트의 지침과 능력은 AGENTS.md, skills/, subagents/, tools.json 같은 기존 Deep Agents 프로젝트 구조로 정의되며, 관련 파일은 LangSmith에서 저장하고 버전 관리할 수 있다.
• Context Hub는 사용자 선호, 프로젝트 정보, 조사 노트, 운영 절차처럼 여러 실행에 걸쳐 필요한 정보를 유지·갱신하며, 선택적으로 LangSmith Engine을 이용해 실제 사용 기록에서 개선 지점을 찾을 수 있다.
• 최초 발표에서는 설계 파트너 대상 비공개 베타로 소개됐으며, 8월 7일 업데이트를 통해 공개 베타 제공과 첫 에이전트 배포용 빠른 시작 및 단계별 튜토리얼이 안내됐다.

🧩 주요 포인트

1. 운영 기반을 관리형 런타임으로 묶음 → 팀이 파일 저장소, 스레드 상태, 샌드박스, 추적 체계를 따로 유지하는 부담을 줄이고 에이전트 행동 설계에 집중할 수 있다.
2. 지속 컨텍스트와 실행 추적을 연결함 → 배포 시점의 프롬프트에 고정되지 않고 실제 대화와 반복 업무에서 발견된 정보를 후속 실행에 반영할 수 있다.
3. 오픈소스 프로젝트 형식과 API 중심 배포를 결합함 → 기존 Deep Agents 정의를 유지하면서 사용자 애플리케이션이나 내부 플랫폼에서 관리형 에이전트를 생성·갱신·실행할 수 있다.

🧠 상세 정리

1. 프로덕션 운영이 더 어려운 이유

글은 유용한 에이전트를 만드는 일은 쉬워지고 있지만, 이를 프로덕션에서 안정적으로 운영하는 일은 여전히 어렵다는 문제에서 출발한다. 장시간 작업하는 에이전트에는 단순한 모델 호출뿐 아니라 지속 실행, 스트리밍, 메모리, 파일 관리, 도구 접근, 사람의 승인, 샌드박스, 추적과 개선 체계가 함께 필요하다. 팀이 이를 직접 구축하면 에이전트가 사용자에게 도달하기도 전에 런타임 서버, 파일 저장소, 도구 설정, 스레드 상태와 피드백 루프까지 소유하고 유지해야 한다. 그 결과 실제 에이전트의 행동과 업무 품질을 개발하는 시간보다 주변 운영 기반을 조립하고 관리하는 데 많은 자원이 들어갈 수 있다. Managed Deep Agents는 이 운영 계층을 오픈소스 Deep Agents 하네스 주변에 패키징해, 개발자가 런타임을 반복 구축하지 않고 에이전트 자체에 집중하도록 만드는 것을 목표로 한다.

2. 관리형 런타임과 API

Managed Deep Agents는 Deep Agents를 생성하고 실행하며 운영하기 위한 API 중심의 호스팅 런타임으로 소개된다. 별도의 사용자 정의 에이전트 서버를 세우지 않아도 지속 가능한 스레드, 실행 결과 스트리밍, 체크포인트, 사람 참여형 워크플로를 이용할 수 있다. 개발자는 자신의 애플리케이션이나 내부 플랫폼 워크플로에서 API를 호출해 에이전트를 생성하거나 설정을 갱신하고, 스레드를 만든 뒤 실행 과정을 스트리밍할 수 있다. 관련 API는 /v1/deepagents 경로 아래에 제공되며, 관리형 기능은 장기간 이어지는 작업을 중단 후에도 계속 다룰 수 있도록 구성된다. 최초 발표에서는 실제 워크플로를 만드는 팀과 긴밀하게 협력하기 위해 설계 파트너 대상 비공개 베타로 시작했으며, 이후 8월 7일 업데이트에서 공개 베타 전환이 안내됐다.

3. 에이전트 정의와 지속 컨텍스트

관리형 환경에서도 AGENTS.md, skills/, subagents/, tools.json으로 구성되는 익숙한 Deep Agents 프로젝트 형태가 유지된다. 이 파일들은 에이전트가 어떻게 행동할지, 어떤 도구와 전문 기술을 사용할지, 어떤 하위 에이전트에 작업을 위임할지를 정의한다. 개발자는 에이전트 정의를 자신의 저장소에서 관리하면서 API를 통해 파일을 업로드하거나 참조할 수 있고, LangSmith는 해당 정의 파일을 저장하고 버전 관리한다. Context Hub는 사용자 선호, 프로젝트 세부 정보, 조사 기록, 운영 절차처럼 여러 실행에 걸쳐 필요한 작업 컨텍스트를 보존하고 갱신하는 관리형 공간을 제공한다. 따라서 장기 실행 에이전트는 배포 시 프롬프트에 들어 있던 정보에만 의존하지 않고, 후속 작업에서도 이전 실행에 필요한 맥락을 이어갈 수 있다.

4. 도구·샌드박스·관측 가능성

도구는 오픈소스 Deep Agents와 동일하게 tools.json을 통해 설정되며, 정의된 각 도구에는 필요에 따라 사람의 검토와 승인을 적용할 수 있다. 코드 실행, 셸 명령, 파일 입출력이 필요한 워크플로에는 샌드박스 기반 실행을 사용할 수 있어 데이터 분석, 파일 조작, 스크립트 실행과 산출물 생성 같은 작업을 지원한다. 이 구성을 에이전트마다 별도로 다시 만들지 않고 관리형 런타임에서 유지하고 LangSmith를 통해 운영하는 것이 제공 기능의 핵심이다. 모든 Managed Deep Agents 실행은 LangSmith에서 자동으로 추적되므로 팀은 도구 호출, 중간 단계와 에이전트 행동을 살펴보고 문제를 디버깅할 수 있다. 기존에 에이전트와 언어 모델 애플리케이션을 관찰하던 LangSmith 흐름이 관리형 런타임에 직접 연결된다는 점에서 실행 기반과 가시성이 하나의 운영 체계로 결합된다.

5. 실제 사용에서의 개선과 적용 사례

선택적으로 LangSmith Engine을 활성화하면 에이전트 실행 추적을 검토해 프롬프트와 코드에서 발생하는 버그나 개선 영역을 찾을 수 있다. 실행 사이에 대화와 실제 사용 결과를 검토하고 Context Hub 파일을 갱신함으로써, 에이전트가 반복 업무에서 확인된 정보를 다음 작업에 활용하도록 할 수 있다. 예를 들어 지원 분류 에이전트는 사용자들이 같은 내부 절차를 반복해서 묻는다는 사실을 발견하고 관련 운영 노트를 보완할 수 있다. 글은 이 구조의 적용 대상으로 이전 맥락과 에스컬레이션을 관리하는 지원 에이전트, 여러 세션에 걸쳐 자료와 중간 결과를 보존하는 조사 에이전트, 파일시스템과 셸을 사용하는 코딩 에이전트를 제시한다. 코드 실행 결과와 산출물을 유지하는 데이터 분석 에이전트, 반복 사용을 통해 컨텍스트를 개선하는 온보딩·정책·워크플로 조정용 내부 운영 에이전트도 주요 사례에 포함된다.

6. 오픈소스에서 관리형 배포로 이어지는 경로

Managed Deep Agents는 오픈소스 Deep Agents 하네스를 사용하면서도 LangSmith가 관리하는 런타임 기반을 원하는 팀을 위한 빠른 배포 경로로 제시된다. 개발자는 저장소에 있는 에이전트 정의를 유지한 채 API로 에이전트를 생성하거나 갱신하고, 지침·기술·하위 에이전트·도구 설정 파일을 업로드하거나 참조한다. 이후 사용자 애플리케이션에서 스레드를 만들고 실행을 스트리밍하며, 별도의 사용자 정의 서버 배포 없이 LangSmith에서 실행 추적과 에이전트 컨텍스트를 확인할 수 있다. 즉 오픈소스 하네스가 계획, 도구 사용, 작업 위임, 파일 작성 같은 에이전트 기능을 담당하고, 관리형 서비스가 지속 실행, 호스팅 컨텍스트, 샌드박스 워크플로와 관측 가능성을 담당한다. 공개 베타 안내에서는 빠른 시작 문서로 첫 에이전트를 배포하고, 튜토리얼을 따라 신원, 메모리, 도구와 평가 기능을 단계적으로 추가하는 시작 경로를 제공한다.

🧾 핵심 주장 / 시사점

• 이 제품의 핵심 가치는 새로운 에이전트 행동을 추가하는 것보다, 장기 실행 에이전트에 공통으로 필요한 운영 계층을 관리형 서비스로 제공하는 데 있다.
• Context Hub와 실행 추적의 결합은 에이전트의 개선 근거를 초기 프롬프트뿐 아니라 실제 대화, 반복 요청, 도구 사용 기록으로 확장한다.
• 오픈소스 하네스와 관리형 런타임의 역할을 분리함으로써 개발자는 에이전트 정의를 저장소 중심으로 유지하면서 배포와 운영 기반은 LangSmith에 맡길 수 있다.

✅ 액션 아이템

• Deep Agents 구조(AGENTS.md, skills/, subagents/, tools.json)로 지침·능력을 정의하고 LangSmith 저장·버전 관리 범위를 정한다.
• 스레드·체크포인트·스트리밍·사람 승인·샌드박스 중 Managed Deep Agents가 대체할 자체 운영 부담을 비교·점검한다.
• Context Hub에 유지할 사용자 선호·프로젝트 정보·조사 노트·운영 절차와 실행 간 갱신 기준을 정의한다.

❓ 열린 질문

• 기존 Deep Agents 정의를 유지한 채 API로 생성·갱신·실행할 때 애플리케이션 연동 경계는 어디까지인가?
• Context Hub와 실행 추적을 연결해 후속 실행에 반영할 정보와 제외할 정보의 기준은 무엇인가?
• LangSmith Engine으로 사용 기록에서 개선 지점을 찾을 때 우선 검증할 에이전트 행동 범위는 어디인가?