上篇引言本篇主要介绍了解一下deepagents开发部署架构。目前来看这个系列适合做个个体应用不适做服务化非要做的化估计还得做很多努力。1 使用CLI部署Deep Agents Deploy 能够获取你的智能体配置并将其部署为LangSmith 部署实例这是一个支持水平扩展的服务器内置了 30 个端点涵盖了 MCP、A2A、智能体协议、人机协同以及记忆存储等 API。它完全构建在开放标准之上开源框架采用 MIT 许可证同时提供 Python 和 TypeScript 版本。AGENTS.md用于定义智能体指令的开放标准。智能体技能用于定义智能体知识与动作的开放标准。模型与沙箱无关支持任意模型和任意沙箱环境彻底告别供应商锁定。开放协议原生支持 MCP、A2A 和智能体协议。支持自托管LangSmith 部署实例支持自托管确保记忆数据完全保留在你自己的基础设施中。Deep Agents Deploy 目前处于Beta 测试阶段需要deepagents-cli0.0.36版本支持。请注意API、配置格式以及具体行为在不同版本发布之间可能会发生变更。详细的更新日志请查看发布页面。1.1与 Claude 托管智能体进行对比特性Deep Agents DeployClaude Managed Agents模型支持广泛支持OpenAI, Anthropic, Google, Bedrock, Azure, Fireworks, Baseten, OpenRouter 等仅限 Anthropic只能使用自家的 Claude 模型框架/套件开源MIT 协议代码公开专有闭源不公开沙箱环境灵活选择支持 LangSmith, Daytona, Modal, Runloop 或自定义内置使用平台自带的沙箱MCP 支持✅ 支持✅ 支持技能支持✅ 支持✅ 支持AGENTS.md✅ 支持❌ 不支持代理端点开放协议MCP, A2A, Agent Protocol专有协议私有接口自托管✅ 支持❌ 不支持1.2 部署内容deepagents deploy会将你的智能体配置打包并作为LangSmith 部署实例进行部署。你需要配置以下几个核心参数参数描述model使用的 LLM 模型。支持任意提供商 —— 请查看支持的模型列表。AGENTS.md系统提示词。在每个会话开始时加载定义智能体的核心行为。skills智能体技能。用于处理专业知识和执行特定动作。这些技能会被同步到沙箱中以便智能体在运行时执行。详见技能文档。user/用户级可写记忆。如果用户文件夹中存在AGENTS.md模板智能体会为每个用户初始化该模板若文件夹为空则创建空的AGENTS.md。该目录可在运行时写入并通过记忆中间件预加载到智能体的上下文中。mcp.jsonMCP 工具配置。支持 HTTP/SSE 协议。详见 MCP 文档。subagents/子智能体。主智能体可以委托任务给这些专门的子智能体。每个子目录包含其独立的deepagents.toml、AGENTS.md以及可选的skills文件夹。详见子智能体文档。sandbox可选的执行环境。线程级沙箱会按线程配置并在服务器重启后重建。如果你需要跨线程持久化的沙箱状态请使用scope assistant。详见沙箱提供商文档。frontend可选的前端界面。预构建的 React 聊天 UI与智能体部署在同一个服务上。支持单用户认证或匿名模式并内置实时待办事项、文件管理和子智能体活动面板。详见 [前端] 文档。1.3 安装安装命令行工具或者直接用uvx运行#安装模式 uv tool install deepagents-cli #或者 无需安装 uvx deepagents-cli deploy1.4 使用deepagents init [name] [--force] # scaffold a new project deepagents dev [--config deepagents.toml] [--port 2024] [--allow-blocking] # bundle and run locally deepagents deploy [--config deepagents.toml] [--dry-run] # bundle and deploy默认情况下deepagents deploy会在当前目录下查找deepagents.toml文件。如果你想使用其他路径的配置文件请加上--config参数deepagents deploy --config path/to/deepagents.tomldeepagents deploy 每次执行时都会完全重新构建并创建一个新的版本修订。如果你想在本地进行快速迭代开发请使用 deepagents devdeepagents init快速搭建一个新的智能体项目脚手架deepagents init my-agent这会创建以下文件生成的文件结构文件用途deepagents.toml智能体配置包含名称、模型设置以及可选的沙箱配置。AGENTS.md系统提示词在会话开始时加载定义智能体的核心指令。.envAPI 密钥模板用于存放GOOGLE_API_KEY、LANGSMITH_API_KEY等密钥。mcp.jsonMCP 服务器配置默认为空用于配置 MCP 工具。skills/智能体技能目录存放技能文件里面包含一个示例review技能。初始化之后请编辑AGENTS.md文件来编写你的智能体指令然后运行deepagents deploy进行部署。你也可以选择性地添加一个user/目录用于存放每个用户的记忆模板 —— 详见用户记忆文档1.5 项目布局deploy命令采用了基于约定的项目布局。只要将以下文件放在你的deepagents.toml旁边它们就会被自动识别mcp.json必须只包含使用http或sse传输协议的服务器。原因在部署环境云端/沙箱中无法像本地那样随意启动新的进程stdio传输方式需要启动本地进程。解决方案如果你原本使用的是stdio服务器在部署前必须将其转换为HTTP或SSE模式。文件/目录用途是否必填AGENTS.md智能体核心记忆提供持久化的上下文如项目规范、指令、偏好启动时始终加载。运行时只读。✅ 是skills/技能定义目录包含具体的技能定义每个子目录应包含一个SKILL.md文件。运行时只读。❌ 否user/用户级可写记忆用于存储每个用户的独立数据。如果该文件夹下有模板智能体会为每个新用户复制一份若为空则创建空文件。运行时可写。❌ 否subagents/子智能体目录主智能体可以委派任务给这里的子智能体。每个子目录必须包含deepagents.toml和AGENTS.md。打包时自动发现。❌ 否mcp.jsonMCP 服务器配置用于连接外部工具。注意部署环境下仅支持 HTTP 和 SSE 传输。❌ 否.env环境变量存放 API 密钥和机密信息。通常放在项目根目录与deepagents.toml并列。❌ 否mcp.json必须只包含使用http或sse传输协议的服务器。原因在部署环境云端/沙箱中无法像本地那样随意启动新的进程stdio传输方式需要启动本地进程。解决方案如果你原本使用的是stdio服务器在部署前必须将其转换为HTTP或SSE模式。1.6 配置文件这个文件主要配置智能体的身份和沙箱环境。[agent]必填部分定义核心身份。[sandbox]选填部分定义运行环境默认不开启沙箱。1.6.1 [agent] 部分 (必填)这是智能体的核心身份配置。表格参数类型说明name字符串 (必填)智能体名称。部署后它将作为 LangSmith 中的助手标识符。model字符串 (选填)模型标识符。格式通常为提供商:模型(例如openai:gpt-4o)。[agent] name research-assistant model google_genai:gemini-3.1-pro-previewname字段是整个配置文件中唯一必填的值。其他所有配置都有默认值。技能、用户记忆、子代理、MCP 服务器以及模型依赖项均根据项目布局自动检测。模块触发条件工作原理与注意事项️ 技能存在skills/目录递归扫描打包器会自动扫描该目录下的所有文件跳过以.开头的隐藏文件并将它们打包进项目。 用户记忆存在user/目录隔离机制1. 打包时如果目录里有AGENTS.md它会被作为模板如果没有则创建一个空文件。2. 运行时每个用户会有自己独立的记忆副本首次访问时基于模板生成智能体可以读写该文件且永远不会覆盖用户已有的数据。 子智能体存在subagents/目录自动委派系统会扫描包含deepagents.toml和AGENTS.md的有效子目录。主智能体会自动获得一个任务工具可以通过名字把任务委派给这些子智能体。 MCP 服务器存在mcp.json依赖注入只要这个文件存在系统会自动添加langchain-mcp-adapters依赖。注意仅支持 HTTP/SSE 传输协议打包时会直接拒绝stdio协议。 模型依赖配置中的model字段智能匹配根据模型前缀自动安装对应的包。例如检测到google_genai前缀会自动安装langchain-google-genai包。这也适用于子智能体的配置。️ 沙箱依赖[sandbox].provider对应安装根据配置的提供商自动安装对应的包。例如配置了daytona会自动安装langchain-daytona。1.6.2[sandbox]配置 Agent 运行代码时的隔离执行环境。沙箱提供了一个带有文件系统和 Shell 访问权限的容器这样即使运行不可信的代码也不会影响到宿主机。关于支持的提供商和高级沙箱配置请参阅沙箱集成文档。如果省略此项或设置为provider none则禁用沙箱。如果你需要执行代码或运行技能脚本就需要用到沙箱。provider类型: 字符串默认值:none说明: 沙箱提供商。决定了容器在哪里运行。支持的值有none,daytona,modal,runloop,langsmith(私有测试版)。具体提供商详情请见沙箱集成文档。template类型: 字符串默认值:deepagents-deploy说明: 沙箱环境特定于提供商的模板名称。image类型: 字符串默认值:python:3说明: 沙箱容器的基础 Docker 镜像。scope类型: 字符串默认值:thread说明: 沙箱的生命周期范围。thread每次对话创建一个沙箱。assistant同一个 Agent 的所有对话共享一个沙箱。范围行为详解thread(默认)每个对话都有自己独立的沙箱。不同的会话Thread会获得不同的沙箱但同一个会话在多轮交互中会复用同一个沙箱。如果你希望每次对话都从一个干净的环境开始请使用此选项。assistant所有对话共享同一个沙箱。文件、已安装的包和其他状态会在不同对话之间持久保存。如果你希望 Agent 维护一个长期存在的工作区比如一个克隆的代码仓库请使用此选项。1.6.3 [auth]添加[auth]部分来控制已部署 Agent 的身份验证。当存在此部分时打包工具会自动生成一个auth.py文件并将其接入到部署环境中。当[frontend].enabled true时此项是必填的否则是选填的如果不填LangSmith 部署将默认应用x-api-key的验证要求。provider类型: 字符串必填: 是说明: 身份验证提供商。支持的值有supabase,clerk,anonymous。[agent] name my-agent model google-genai:gemini-3.1-pro-preview [auth] provider supabase # supabase | clerk | anonymous所需的环境变量取决于你选择的提供商提供商所需环境变量supabaseSUPABASE_URL,SUPABASE_PUBLISHABLE_DEFAULT_KEYclerkCLERK_SECRET_KEYanonymous无请将这些变量与其他凭证一起添加到你的 .env 文件中。打包工具会在部署时验证是否包含了所有必需的变量如果缺少任何变量它会快速失败并给出清晰的错误提示。运行时行为未经认证的请求将返回401状态码。认证成功后经过验证的用户身份会被注入到config.configurable.langgraph_auth_user_id中。所有资源线程、运行记录、存储都会通过metadata.owner自动按用户进行隔离即每个用户只能看到自己的资源。LangSmith Studio 在本地开发时会绕过身份验证这段文档介绍了如何给你的智能体配一个现成的前端界面。你不需要自己写 React 代码只要在配置文件里开启这个功能系统就会自动给你生成一个聊天网页。以下是详细的配置说明1.6.4 [frontend] 前端配置详解前置条件需要deepagents-cli 0.0.43版本。开启[frontend]后系统会将一个预构建的React 聊天界面与你的智能体一起部署。访问路径前端界面挂载在/app路径下。API 路径你的 LangGraph API 依然保留在根路径/如/threads,/runs等。认证方式支持三种模式 ——Clerk、Supabase或匿名访问。配置参数参数类型默认值说明enabled布尔值false是否启用。设为true即可将默认的聊天界面打包进部署中。app_name字符串[agent].name应用名称。显示在浏览器标签页和 UI 顶部的标题。subtitle字符串Your deep agent, deployed.副标题。显示在应用名称下方用于简短描述这个智能体是做什么的。prompts字符串数组(通用研究类提示)建议提示词。显示在空白状态下的“快捷气泡按钮”。默认是一组通用的研究类问题你可以自定义以匹配你的智能体功能。[agent] name my-agent model anthropic:claude-sonnet-4-6 [auth] provider supabase # or clerk [frontend] enabled true app_name My Agent subtitle Your AI research assistant prompts [ Summarize this paper, Find related work, Draft an outline, ]身份验证提供商当[frontend].enabled true时[auth]是必填项。请从以下三种提供商中选择一种1. Clerk ([auth] provider clerk)真正的按用户验证。每个用户都需要登录线程Threads和记忆Memory都会按用户进行隔离即用户只能看到自己的数据。2. Supabase ([auth] provider supabase)真正的按用户验证。与 Clerk 一样提供按用户的数据隔离。3. Anonymous ([auth] provider anonymous)注意这不是为了安全而是为了演示。打包工具会附带一个宽松的验证处理程序它会覆盖 LangSmith 部署默认的x-api-key要求这样前端才能访问/threads接口。这意味着任何拥有部署 URL 的人都可以调用 API。前端会给每个浏览器分配一个 UUID Cookie并据此过滤线程选择器这仅仅是用户体验层面的隔离不是安全隔离。为了提醒你风险CLI 在推送部署前需要用户进行交互式的y/N确认。✨ 你将获得的功能配置好前端后你会得到以下功能与 Agent 进行流式聊天。线程选择器标题会根据用户的第一条消息自动生成。实时待办事项、文件以及子代理活动面板这些面板会反映你的深度 Agent 的实时图谱状态。明/暗色主题切换首次加载时跟随系统偏好之后会记住用户的选择。仅限 Clerk / Supabase登录 / 注册 / 登出流程 —— Clerk 提供完整的组件包含社交登录、密码重置Supabase 提供邮箱/密码登录及内置的密码重置流程。⚙️ 环境变量前端复用了[auth]中大部分已有的配置。只有 Clerk 需要额外提供一个面向浏览器的密钥。提供商额外变量supabase无 —— 复用[auth]中的SUPABASE_URL和SUPABASE_PUBLISHABLE_DEFAULT_KEYclerkCLERK_PUBLISHABLE_KEY(面向浏览器的公钥注意它与CLERK_SECRET_KEY不同)这段话是在讲部署后的收尾工作。代码部署上去只是第一步为了让登录跳转能正常工作比如登录完能自动跳回你的应用而不是报错你得去第三方平台Clerk 或 Supabase的后台做个“白名单”设置。以下是中文翻译 部署后设置部署完成后请将你的部署 URL添加到身份验证提供商的仪表板中这样验证后的重定向才能正确回到你的应用。对于每个部署 URL这都是一次性的设置步骤。Clerk 配置路径仪表板 → 你的应用 →Domains域名→ 添加你的部署主机名例如clerk-abc.us.langgraph.app。注意Clerk 的开发实例会自动把localhost加入白名单但生产环境的部署 URL 需要显式添加。Supabase 配置路径仪表板 →Authentication认证→URL ConfigurationURL 配置→ 在Redirect URLs重定向 URL中添加https://你的部署地址/app/**。注意如果不添加此项密码重置和邮箱确认链接将无法正确跳转回你的应用。1.6.5 .env将.env文件放在deepagents.toml旁边并在里面填入你的 API 密钥1.7 认证运行时的身份验证行为取决于[auth]的配置1. 配置了 Supabase 或 Clerk[auth] provider supabase或clerk机制真正的按用户验证。如何调用在Authorization请求头中传递用户的身份验证提供商令牌Token。2. 配置了匿名模式[auth] provider anonymous机制打包工具会附带一个宽松的验证处理程序。API 对任何拥有部署 URL 的人开放。如何调用不需要任何请求头。注意如果你要发布前端但不需要真正的按用户验证则必须使用此选项。3. 未配置 [auth] 部分机制部署将回退到 LangSmith 部署的默认行为即要求x-api-key。如何调用在x-api-key请求头中传递你的 LangSmith API 密钥。限制仅在[frontend].enabled为false或未设置时有效。当[auth]配置为 Supabase 或 Clerk 时请在Authorization请求头中传递来自你身份验证提供商的令牌表格提供商在哪里获取令牌Supabase通过supabase.auth.getSession()获取 Supabase 会话的access_tokenClerk通过getToken()获取 Clerk 会话令牌每个用户的线程和记忆都会自动隔离——用户 B 无法看到用户 A 的线程。1.8 沙箱供应商在deepagents.toml中设置[sandbox].provider并在.env文件中添加所需的环境变量。关于可用的提供商列表请查看沙箱集成文档。关于生命周期模式和 SDK 使用方法请查看沙箱文档1.9 部署端点已部署的服务器开放了以下功能MCP允许其他 Agent 将你的 Agent 作为工具来调用。A2A通过 A2A 协议进行多智能体编排即让多个 Agent 协同工作。Agent Protocol用于构建用户界面的标准 API。Human-in-the-loop针对敏感操作的“人工审批”关卡即关键时刻让人类介入确认。Memory支持访问短期和长期记忆。1.10 例子一个具备“按用户偏好设置”功能的内容写作 Agent且该 Agent 拥有更新这些偏好的权限。[agent] name deepagents-deploy-content-writer model google_genai:gemini-3.1-pro-previewmy-content-writer/ ├── deepagents.toml ├── AGENTS.md ├── skills/ │ ├── blog-post/SKILL.md │ └── social-media/SKILL.md └── user/ └── AGENTS.md # writable — agent learns user preferences一个配备了 LangSmith 沙箱环境的编程 Agent用于运行代码。[agent] name deepagents-deploy-coding-agent model google_genai:gemini-3.1-pro-preview [sandbox] provider langsmith template coding-agent image python:3.12一个负责制定 GTM市场进入策略的 Agent它将调研工作委派给子 Agent 处理。my-gtm-agent/ ├── deepagents.toml ├── AGENTS.md ├── skills/ │ └── competitor-analysis/ │ └── SKILL.md └── subagents/ └── market-researcher/ ├── deepagents.toml ├── AGENTS.md └── skills/ └── analyze-market/ └── SKILL.md这是一个轻量级的内部演示智能体它附带了现成的用户界面并以匿名模式运行无需注册账号也无需配置复杂的基础设施[agent] name internal-demo model anthropic:claude-sonnet-4-6 [auth] provider anonymous # API open to anyone with the URL — confirm at deploy time [frontend] enabled true1.11 使用记忆用户记忆功能能为每个用户提供一个可独立写入的AGENTS.md文件并且这些内容会在多次对话之间持久保存。要启用它只需在你的项目根目录下创建一个user/文件夹即可user/ └── AGENTS.md # optional — seeded as empty if not provided1. 初始化阶段打包时只要项目里存在user/目录哪怕是空的系统就会为每个用户分配一个专属路径/memories/user/AGENTS.md。有模板如果你放了一个user/AGENTS.md文件它的内容会作为初始模板。无模板如果目录是空的系统会创建一个空文件作为起点。2. 运行时阶段用户交互系统会根据用户的身份runtime.server_info.user.identity来隔离数据确保每个人只能读写自己的文件。首次访问系统会把上面的“模板”复制一份给这个新用户。后续访问智能体对这个文件的修改会被保存比如用户说“记住我喜欢吃辣”智能体会写入文件。部署更新不会覆盖用户数据这点非常重要即使你重新部署项目更新了代码或模板老用户的记忆文件不会被重置依然保留他们之前的个性化数据。工作原理打包时打包工具会读取user/AGENTS.md文件如果不存在则使用空字符串并将其包含在种子载荷中。运行时首次访问当 Agent 第一次遇到某个user_id时它会将AGENTS.md模板写入该用户命名空间下的存储中。现有的条目永远不会被覆盖即不会重置用户的个性化设置。预加载用户专属的AGENTS.md会被传递给记忆中间件因此在每次对话开始时Agent 都能在上下文中看到其内容。可写性Agent 可以使用edit_file工具来更新它。相比之下共享的AGENTS.md文件和skills文件夹是只读的。权限表路径是否可写范围/memories/AGENTS.md否共享(Assistant 级别所有用户共用)/memories/skills/**否共享(Assistant 级别所有用户共用)/memories/user/**是按用户隔离(User ID 级别每个用户独立)/memories/subagents/name/**仅子 Agent 可写按子 Agent 隔离(独立空间)用户身份来源user_id是通过自定义身份验证从runtime.user.identity中解析出来的。自动注入平台会自动注入经过验证的用户身份 ——不需要通过configurable手动传递它。未认证情况如果当前请求没有经过验证的用户该次调用的用户记忆功能将被优雅地跳过即不会报错只是不加载个人记忆。1.12 子智能体子智能体允许主智能体将特定的专业任务委派给独立的子智能体。每个子智能体都拥有独立的系统提示词可选的技能可选的 MCP 工具主智能体会自动获得一个任务工具可以通过名字把任务派发给这些子智能体。关于子智能体的优势及其在 SDK 层面的工作原理请参阅子智能体文档。1.12.1 目录结构在你的项目根目录下创建一个subagents/目录。该目录下的每一个子文件夹都代表一个子智能体my-agent/ ├── deepagents.toml ├── AGENTS.md └── subagents/ ├── researcher/ │ ├── deepagents.toml # name, description, optional model override │ ├── AGENTS.md # subagent system prompt │ ├── skills/ # optional — subagent-specific skills │ │ └── analyze-market/ │ │ └── SKILL.md │ └── mcp.json # optional — HTTP/SSE MCP tools └── writer/ ├── deepagents.toml └── AGENTS.md这段文档详细规定了子智能体文件夹里的“入职标准”。想让你的子智能体被系统识别并正常工作必须满足以下文件要求子智能体目录文件规范每个子智能体的子文件夹必须包含以下核心文件也可以根据需要添加扩展文件必填文件 (核心身份)文件作用deepagents.toml子智能体配置。必须包含[agent].name(名字) 和[agent].description(描述)让主智能体知道它是谁、能干什么。AGENTS.md系统提示词。定义子智能体的具体行为准则和任务逻辑。选填文件 (扩展能力)文件/目录作用skills/专属技能。存放该子智能体特有的技能文件 (需包含SKILL.md)。mcp.jsonMCP 服务器配置。用于连接外部工具。注意仅支持HTTP/SSE协议 (打包时会直接拒绝stdio协议)。1.12.2 子智能体配置参数类型说明name字符串(必填)子智能体的唯一标识符。在所有子智能体中必须保持唯一不能重名。description字符串(必填)子智能体的职责描述。主智能体完全依赖这段描述来判断何时应该委派任务。内容不能为空写得越清晰主智能体派活就越准确。model字符串(可选)模型覆盖配置。格式为提供商:模型(例如openai:gpt-4o)。如果不填子智能体将默认继承主智能体使用的模型。[agent] name researcher description Researches market trends, competitors, and target audiences model google_genai:gemini-3.1-pro-preview1.12.3 继承机制子 Agent 默认会继承主 Agent 的某些属性属性是否继承说明模型是如果需要在子 Agent 中使用不同的模型请在子 Agent 的deepagents.toml文件中配置model进行覆盖。工具是如果需要添加额外工具请在子 Agent 的目录中添加mcp.json文件这会覆盖或扩展默认工具。技能否技能不会自动继承。必须在子 Agent 自己的skills/目录中显式声明。1.12.4 记忆隔离机制每个子智能体都会获得一个专属且隔离的记忆命名空间路径为/memories/subagents/name/。在部署时子智能体的AGENTS.md系统提示词和skills技能会被自动植入到这个命名空间中作为基础。权限对照表路径主智能体权限子智能体权限/memories/AGENTS.md读取无权访问/memories/skills/读取无权访问/memories/user/读 写无权访问/memories/subagents//读取读 写1.12.5 例子这是一个面向市场Go-to-Market的智能体它会将具体的调研工作委派给一个专业的子智能体来处理#deepagents.toml [agent] name gtm-strategist model google_genai:gemini-3.1-pro-preview#subagents/researcher/deepagents.toml [agent] name researcher description Researches market trends, competitors, and target audiences to inform GTM strategy model google_genai:gemini-3.1-pro-preview#subagents/researcher/AGENTS.md # Market Researcher You are a market research specialist. Your job is to gather and synthesize market data to support go-to-market decisions. ## Focus Areas - Market sizing: TAM, SAM, SOM estimates - Competitor analysis: product positioning, pricing, market share - Audience segmentation: demographics, psychographics, buying behavior1.13 限制MCP 配置仅支持 HTTP/SSE 协议。打包时会自动拒绝stdio传输方式。不支持自定义 Python 工具。请使用 MCP 服务器来封装并暴露你的自定义工具逻辑。2 投产本指南涵盖了将 Deep Agent 从本地原型转化为生产环境部署的关键考量。它将带你一步步完成以下工作规划记忆范围决定智能体该记什么、忘什么配置执行环境确保运行环境安全稳定添加护栏防止智能体“发疯”或越界连接前端让用户能真正用起来2.1 概览Agent 依靠记忆和执行环境中的信息来完成任务。在生产环境中信息的共享与访问主要由以下几个基本要素决定线程指单次对话。默认情况下消息历史和临时文件都仅限于该线程内不会延续到下一次。用户指与 Agent 交互的人。记忆和文件可以是用户私有的也可以是跨用户共享的。身份验证和授权由你的认证层提供。助手指配置好的 Agent 实例。记忆和文件可以绑定给某一个助手也可以在所有助手间共享。本页面将涵盖以下内容LangSmith 部署包含认证、Webhooks 和定时任务的托管基础设施。生产考量多租户、身份验证、凭证管理、异步处理和持久性。记忆如何在多次对话之间持久化信息。执行环境文件存储和代码执行。护栏速率限制、错误处理和数据隐私。前端如何将你的用户界面连接到已部署的 Agent。2.2 langsmith部署2.3 生产考虑2.4 记忆2.5 执行环境2.6 护栏2.7 前端