Framework DeepAgents của LangChain

• Các tác nhân dựa trên LLM trước đây thường có cấu trúc 'tác nhân nông (shallow agent)' chỉ lặp lại việc gọi công cụ, trong khi Deep Agents là tác nhân AI có tính lập kế hoạch và cấu trúc, có thể giải quyết sâu các nhiệm vụ phức tạp và dài hạn
• Các tác nhân mới như Deep Research, Manus, Claude Code hiện thực hóa 'tác nhân sâu' có khả năng khám phá chủ đề sâu hơn và quản lý ngữ cảnh tốt hơn
  • Prompt hệ thống chi tiết, công cụ lập kế hoạch, tác nhân con, và việc tận dụng hệ thống tệp là cốt lõi của 'tác nhân sâu'
• LangChain phát hành gói mã nguồn mở deepagents để bất kỳ ai cũng có thể dễ dàng tạo deep agent phù hợp với vertical (miền/domain) của riêng mình
  • Có thể thiết lập prompt, công cụ và tác nhân con tùy chỉnh, đồng thời cung cấp một framework đa dụng có thể ứng dụng trong nhiều lĩnh vực như nghiên cứu và phát triển

---

Giới hạn của các tác nhân LLM trước đây và đặc điểm của Deep Agents

• Tác nhân truyền thống: LLM chạy theo vòng lặp và chỉ gọi công cụ → chỉ phù hợp với ngữ cảnh ngắn, tác vụ ngắn hạn và đơn giản
• Deep Agents: có thể tự phân rã, lập kế hoạch, theo dõi và phối hợp cho cả mục tiêu dài hạn lẫn tác vụ phức tạp

4 thành phần cấu thành Deep Agents

1. Prompt hệ thống chi tiết

   • Giống như các ví dụ tiêu biểu như Claude Code, sử dụng prompt mô tả chi tiết cách dùng công cụ/các ví dụ hành vi
   • Dùng chỉ dẫn phức tạp và ví dụ few-shot để thúc đẩy tư duy và thực thi 'sâu' hơn

2. Công cụ lập kế hoạch (Planning)

   • Ngay cả khi không có chức năng thực sự, việc đưa công cụ lập kế hoạch như 'danh sách việc cần làm' vào quy trình vẫn giúp quản lý ngữ cảnh và duy trì năng lực thực thi
   • Dù là no-op (không thực hiện hành động nào), nó vẫn có tác dụng cung cấp ngữ cảnh trong prompt

3. Tác nhân con (Sub Agents)

   • Tạo và phân chia tác nhân con theo từng tác vụ nhỏ, mỗi tác nhân xử lý độc lập rồi hợp nhất kết quả
   • Ngay cả các vấn đề lớn/quá phức tạp cũng có thể được xử lý theo cấu trúc song song và phân công

4. Hệ thống tệp

   • Không chỉ dùng cho thao tác tệp thực tế mà còn được tận dụng như kho ghi chú và lưu trữ ngữ cảnh
   • Nhiều tác nhân/tác nhân con có thể chia sẻ hệ thống tệp để cộng tác và duy trì ngữ cảnh dài hạn

Framework Deep Agents của LangChain: deepagents

• Gói Python mã nguồn mở (pip install deepagents), cho phép cấu hình prompt, công cụ và tác nhân con tùy chỉnh
  • Prompt hệ thống lấy cảm hứng từ Claude Code, đã được chỉnh sửa để tổng quát hơn
  • Công cụ lập kế hoạch danh sách ToDo dạng no-op (giống Claude Code)
  • Có thể tạo tác nhân con và chỉ định tùy chỉnh
  • Hệ thống tệp ảo dùng khái niệm LangGraph (sử dụng trạng thái tác nhân)
• Cung cấp mẫu deep research agent làm ví dụ, giúp dễ dàng xây dựng các tác nhân chuyên biệt theo vertical

Ví dụ ứng dụng và giá trị

• Tối ưu cho các tác vụ AI dài hạn và phức hợp như nghiên cứu/phát triển, sinh mã, nghiên cứu, tự động hóa phức tạp
• Có thể tạo ra kết quả chuyên sâu nhờ thiết kế ngữ cảnh chi tiết và cấu trúc phân công công việc
• Bất kỳ ai cũng có thể xây dựng 'deep agent' phù hợp với miền của mình — gợi mở giai đoạn tiếp theo trong việc ứng dụng AI