LangChain lança navegador com handoff humano e subagentes assíncronos

A LangChain lançou em 29 de outubro de 2026 a versão 0.10 do Managed Deep Agents (MDA), em beta público, com dois recursos que mudam o alcance operacional desses sistemas: um navegador remoto controlável pelo agente e subagentes assíncronos. Na prática, a plataforma passa a permitir que um agente execute etapas em sites sem API e delegue tarefas longas sem congelar a conversa principal — desde que o projeto trate login, aprovação humana, permissões e cancelamento como partes do produto, não como detalhes técnicos.

O lançamento é relevante para equipes que usam LangSmith e LangChain para colocar agentes em fluxos de trabalho reais. Muitos processos corporativos ainda dependem de interfaces web: solicitar um reembolso, atualizar um cadastro, testar uma aplicação, consultar um portal de fornecedor ou preencher um formulário. Ao mesmo tempo, pesquisas, análises e tarefas de preparação podem levar minutos. O MDA v0.10 tenta resolver essas duas lacunas sem expor senhas ao modelo nem obrigar o usuário a esperar por uma única execução longa.

Resumo: o que chega no Managed Deep Agents v0.10

• Browser use: o projeto pode declarar um navegador que recebe ferramentas de leitura, interação, captura de tela e transferência temporária de controle para uma pessoa.
• Subagentes assíncronos: tarefas delegadas podem rodar em segundo plano; o orquestrador permanece disponível para novas mensagens e recebe o resultado quando a execução termina.
• Contexto de thread: respostas de execuções agendadas e subagentes podem voltar à mesma conversa ou thread do Slack onde o pedido começou.
• Controles operacionais: o Slack ganha botão de parada para cancelar execuções da thread; a versão também traz mudanças de integração com MCP e variáveis de ambiente.

O que o navegador adiciona — e o que ele não resolve

APIs são a forma mais previsível de automatizar um serviço, mas não existem para todas as jornadas. Uma página web moderna também não pode ser tratada como simples HTML baixado por curl: conteúdo pode depender de JavaScript, estados de sessão e ações de interface. No MDA v0.10, a declaração de um navegador no projeto faz a plataforma iniciar um browser isolado em sandbox do LangSmith e disponibilizar ferramentas para ler a árvore de acessibilidade, navegar e interagir, registrar screenshots e transferir o controle da janela.

# browser.py
from managed_deepagents import define_browser

browser = define_browser(
    scope="thread",
    idle_ttl_seconds=600,
)

O exemplo define um navegador por conversa, com expiração após 600 segundos de inatividade. Segundo a LangChain, esse browser começa sem cookies e logins de outras threads. Há também o escopo user, pensado para reutilizar a sessão de uma pessoa autenticada entre conversas diferentes. Essa escolha não é apenas uma questão de conveniência: ela altera o limite de isolamento entre usuários e precisa ser compatível com as regras de identidade e acesso da aplicação.

Login continua sendo uma ação humana

O ponto mais importante do desenho é o browser_handoff. Quando o agente encontra uma tela de login ou uma etapa de autenticação multifator, ele pode entregar a janela à pessoa em vez de pedir a senha no chat. A pessoa conclui a autenticação no navegador remoto e devolve o controle; então o agente volta a verificar o estado da página e continua a tarefa. Os links de handoff expiram em 15 minutos, de acordo com o anúncio.

Isso reduz um risco óbvio — credenciais copiadas para mensagens, logs ou rastros de execução do modelo —, mas não elimina os riscos de uma automação de navegador. O sistema ainda precisa limitar quais domínios o agente pode acessar, confirmar ações irreversíveis, registrar a auditoria, diferenciar visualização de transação e impedir que um prompt malicioso presente em uma página altere o objetivo da tarefa. Uma transferência de controle protege a senha; não substitui uma política de autorização.

Subagentes assíncronos evitam que a conversa fique bloqueada

Antes da versão 0.10, um subagente no Managed Deep Agents executava de forma inline: o orquestrador delegava uma tarefa e aguardava a resposta. Esse modelo é suficiente para buscas rápidas, mas é ruim para trabalhos demorados ou paralelizáveis. Se um subagente estiver reunindo documentos, rodando testes ou preparando uma análise, a pessoa não deveria perder a capacidade de fazer uma nova pergunta, corrigir o rumo ou interromper a operação.

Com a nova opção async: True, a delegação passa a rodar em uma thread própria. O agente principal pode continuar conversando, iniciar outros trabalhos e usar ferramentas para iniciar, acompanhar, atualizar ou cancelar tarefas. Quando um subagente termina, a plataforma notifica o orquestrador em vez de exigir polling contínuo.

from managed_deepagents import define_deep_agent

agent = define_deep_agent(
    name="research-assistant",
    model="openai:gpt-5.5",
    subagents=[{
        "name": "researcher",
        "description": "Pesquisa um tema em segundo plano.",
        "system_prompt": "Pesquise o tema e entregue fatos verificáveis.",
        "async": True,
    }],
)

A LangChain informa que o subagente compartilha o sandbox do agente principal, de modo que pode usar arquivos já criados na execução. Isso favorece fluxos como: o agente recebe uma planilha, delega a validação dos dados, continua respondendo dúvidas do usuário e incorpora a análise quando ela fica pronta. A contrapartida é que arquivos compartilhados exigem convenções claras de nomes, isolamento lógico e confirmação antes de um subagente sobrescrever artefatos de outro trabalho.

Threads, Slack e cancelamento passam a fazer parte do fluxo

O MDA v0.10 registra a origem de cada thread em runtime.thread. A intenção é preservar o local de resposta: uma execução iniciada em uma thread do Slack, uma tarefa agendada ou o despertar de um subagente deve retornar à conversa original. Para organizações que operam agentes dentro de canais, esse detalhe evita respostas soltas e reduz a chance de o resultado de uma solicitação aparecer para o grupo errado.

A versão também adiciona um botão nativo de parada nas threads do Slack e suporte experimental a manipuladores de evento do canal. Além disso, a função resolveUser permite mapear a identidade de quem escreveu em um canal para a identidade interna da aplicação. Essa ligação é essencial quando ferramentas do agente consultam contas, permissões ou dados particulares: o identificador do Slack não deve ser tratado automaticamente como autorização suficiente.

Mudanças de compatibilidade que equipes precisam revisar

O anúncio lista alterações que podem afetar projetos existentes. As APIs connectors.mcp() e o diretório connectors/ foram removidos; servidores MCP precisam ser declarados em tools/mcp.ts ou tools/mcp.py. A opção de escopo de sandbox também foi removida. Outra mudança é de precedência: para variáveis LANGSMITH_*, variáveis do ambiente do shell agora prevalecem sobre um arquivo .env do projeto.

Essa última regra merece atenção em CI/CD. Um valor antigo exportado no ambiente pode vencer uma configuração aparentemente correta no repositório e enviar telemetria, modelos ou chamadas para o ambiente errado. Antes de atualizar, vale executar um deploy de teste, listar as variáveis efetivas e validar o comportamento de MCP, identidade, browser e cancelamento com contas de menor privilégio.

Impacto prático para equipes no Brasil

O ganho mais imediato é para empresas que integram agentes a operações cheias de portais web, documentos e conversas de suporte. Um assistente interno pode delegar uma busca longa de políticas, enquanto o atendente continua a conversa; um agente de qualidade pode abrir uma aplicação em ambiente de homologação e capturar evidências; e um fluxo de back office pode parar diante do login para que a pessoa assuma apenas a etapa que exige autenticação. Nenhum desses usos dispensa conformidade com a LGPD, gestão de consentimento ou segregação de acessos.

Para times pequenos, o MDA reduz a necessidade de montar do zero a infraestrutura de browser remoto, handoff e retorno assíncrono. Para times maiores, porém, o recurso não deve ser confundido com uma plataforma completa de governança. Ainda serão necessários limites de ferramenta, listas de domínios, trilhas de auditoria, retenção de logs, testes contra prompt injection e revisão humana para operações financeiras, jurídicas ou que alterem dados de clientes.

Análise do NoticIA: a mudança é mais operacional do que “mais inteligência”

Na análise do NoticIA, o aspecto decisivo do v0.10 não é fazer o modelo parecer mais autônomo. É tornar visíveis duas fronteiras que produtos de agentes frequentemente escondem: onde a autonomia deve parar para uma pessoa assumir e como tarefas lentas coexistem com uma conversa interativa. Browser handoff e subagentes assíncronos são padrões de operação úteis justamente porque reconhecem essas fronteiras.

O risco é que uma integração rápida trate o navegador como permissão implícita para agir em qualquer site ou que trate um subagente em segundo plano como um processo sem supervisão. A implementação madura começa com escopos mínimos, confirmação explícita de efeitos externos, uma identidade verificável por usuário e um mecanismo real de cancelamento. Com esses controles, o lançamento pode encurtar o caminho entre protótipo e fluxo de trabalho; sem eles, apenas amplia a superfície de erro e exposição de dados.

Disponibilidade e como começar

O Managed Deep Agents v0.10 está disponível em beta público desde 29 de outubro de 2026. A LangChain orienta iniciar um projeto com uvx --from managed-deepagents mda init my-agent, entrar no diretório criado e usar uv run mda deploy. Antes de levar o recurso à produção, a recomendação prática é testar um único caso reversível: browser com handoff em um domínio permitido, uma tarefa assíncrona sem dados sensíveis e cancelamento confirmado na thread de origem.