A LangChain acaba de dar um passo que pode mudar a forma como desenvolvedores colocam agentes de IA em produção. Uma semana após lançar o Managed Deep Agents — serviço que empacota runtime, streaming, sandboxes, avaliação, memória e autenticação em um único produto —, a empresa publicou um texto explicando por que acredita que os agentes gerenciados são a próxima grande onda da construção de agentes. Para quem desenvolve com IA no Brasil, o movimento sinaliza uma transição importante: a complexidade está migrando do “como rodar o agente” para o “o que o agente deve fazer”.
A evolução da construção de agentes em três eras
O texto divide a história recente da IA em períodos distintos. A primeira fase — entre o fim de 2022 e o início de 2023 — foi a dos frameworks e aplicativos iniciais: a própria LangChain (outubro de 2022), o ChatGPT (novembro de 2022) e o AutoGPT (início de 2023). Eram as primeiras ferramentas a aproveitar os modelos de linguagem em escala.
Entre 2024 e o primeiro semestre de 2025, surgiram frameworks mais maduros, como LangGraph, Google ADK e o AI SDK da Vercel. Eles deram aos desenvolvedores mais controle sobre os modelos, mas o que se construía ainda não era exatamente o que entendemos hoje por “agente”.
Foi em meados de 2025 que os modelos ficaram bons o suficiente para sustentar o que a LangChain define como o núcleo de um agente: LLMs rodando em loop e chamando ferramentas. Aplicativos como Manus, Deep Research e Claude Code seguiram exatamente esse padrão. A partir daí, surgiram os chamados agent harnesses — Claude Code, Pi e o próprio Deep Agents, lançado pela LangChain há quase um ano.
O que os agentes gerenciados resolvem
No último ano, a LangChain diz ter aprendido duas lições. A primeira: existem primitivas comuns para rodar agentes em escala, como execução durável (para retomar uma execução que falhou no meio) e sandboxes (para rodar código não confiável). A expressão “separar o cérebro das mãos” virou uma escolha de design recorrente.
A segunda: surgiram padrões de mercado para controlar esses agentes — o AGENTS.md para instruções, o MCP para conectar sistemas externos e as skills para revelar contexto de forma progressiva. Esses padrões se tornaram a linguagem comum para “dirigir” o comportamento de um agente.
Construir um agente em produção envolve três partes: a lógica de negócio (contexto, ferramentas e instruções, que você sempre precisa trazer), o harness e a infraestrutura para rodá-lo. Os agentes gerenciados atacam justamente a terceira parte, que concentra os maiores desafios: runtime confiável, UX para transmitir eventos à interface, sandboxes, gestão de contexto, avaliação de mudanças, memória e autenticação.
Managed Deep Agents: o pacote para desenvolvedores
O novo serviço da LangChain evolui do Fleet, plataforma no-code voltada a não desenvolvedores, e do aprendizado com o Claude Managed Agents (da Anthropic) e com o Eve (da Vercel), que representam agentes como arquivos no sistema. O Managed Deep Agents mantém a ideia de agentes definidos como arquivos, mas com muito mais configurabilidade: permite trazer middleware personalizado e ferramentas como código.
O pacote de infraestrutura embutido inclui:
- Runtime: LangSmith Deployments
- UX: streaming via LangSmith Agent Server e Channels
- Sandboxes: LangSmith Sandboxes
- Gestão de contexto: LangSmith Context Hub
- Avaliação: Harbor
- Memória: opinião sobre o Deep Agents
- Autenticação: AuthN integrada
A LangChain descreve esse lançamento como um dos que mais a entusiasma recentemente: a promessa é permitir que desenvolvedores construam e implantem agentes em produção — e não apenas os executem localmente. Para quem quer começar, a empresa gravou o vídeo “Managed Deep Agents explained in 20 minutes”, disponível abaixo:
Por que isso importa agora
O lançamento chega em um momento em que as equipes percebem que o gargalo da IA autônoma não está mais no modelo, e sim na engenharia de produção: retomada de execuções, isolamento de código, avaliação contínua e controle de acesso. Ao empacotar harness e infraestrutura em um único produto, os agentes gerenciados reduzem drasticamente a barreira de entrada — uma mudança comparável ao que os serviços de nuvem fizeram com a hospedagem tradicional.
Vale notar que o mercado está longe de se estabilizar. A própria LangChain reconhece que ainda é cedo: novos requisitos de infraestrutura e novos padrões devem emergir nos próximos meses. A disputa entre LangChain, Anthropic e Vercel — todas apostando em agentes definidos como arquivos e padronizados via AGENTS.md, MCP e skills — deve acelerar a convergência de ferramentas e reduzir o custo de experimentação para equipes de todos os tamanhos.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
