DeepAgents
DeepAgents (Deep Agents) ist ein Open-Source-Agent-Harness von LangChain: ein meinungsstarker Agent, der sofort läuft und Planung, Sub-Agenten, Dateisystem, Kontextmanagement und Freigaben bereits mitbringt.
- Projekt
- Deep Agents
- Herausgeber
- LangChain
- Repository
- github.com/langchain-ai/deepagents
- Dokumentation
- docs.langchain.com/oss/python/deepagents/overview
- Sprachen
- Python, TypeScript
- Kategorie
- KI-Agenten-Frameworks
Was ist DeepAgents?
Deep Agents ist ein Open-Source-Agent-Harness, also ein vorkonfigurierter Agent mit fester Arbeitsweise, die sich erweitern, überschreiben oder ersetzen lässt. Die Voreinstellungen sind auf langlaufende, mehrstufige Aufgaben ausgerichtet. Das Projekt baut auf LangGraph auf und nennt Claude Code als Inspiration.
Deep Agents ist modellunabhängig: Es funktioniert mit jedem Sprachmodell, das Tool Calling unterstützt – mit Frontier-Modellen ebenso wie mit Open-Weight- oder lokal betriebenen Modellen. Neben Python gibt es eine JavaScript/TypeScript-Fassung.
Was mitgeliefert wird
- Sub-Agenten
- Aufgaben an Agenten mit eigenem, abgeschottetem Kontext delegieren.
- Dateisystem
- Dateien lesen, schreiben, bearbeiten und durchsuchen – lokal, in einer Sandbox oder entfernt.
- Kontextmanagement
- Lange Verläufe zusammenfassen und Werkzeugausgaben auslagern.
- Gedächtnis
- Austauschbare Speicher für Wissen über Sitzungen hinweg.
- Human-in-the-Loop
- Werkzeugaufrufe vor der Ausführung freigeben, ändern oder ablehnen.
- Skills und Werkzeuge
- Wiederverwendbare Fähigkeiten bei Bedarf laden; eigene Funktionen oder MCP-Server anbinden.
DeepAgents, LangChain und LangGraph
LangGraph ist die Graph-Laufzeit, LangChain liefert darauf eine schlanke Agentenschicht, und Deep Agents ist der umfassendere Harness obendrauf. Die Schichten lassen sich kombinieren: Ein eigener LangGraph-Graph kann als Sub-Agent in einen Deep Agent eingebunden werden.
DeepAgents wirksam im AI-first-Geschäftsmodell nutzen
Das Projekt folgt ausdrücklich einem „Trust the LLM“-Modell: Der Agent kann alles tun, was seine Werkzeuge erlauben. Grenzen werden deshalb auf Ebene der Werkzeuge und der Sandbox gezogen, nicht in der Erwartung, dass sich das Modell selbst beschränkt.
Für ein KI-first Operating Model heißt das: Legen Sie zuerst fest, welche Werkzeuge ein Agent überhaupt erhält und welche Aufrufe eine Freigabe brauchen. Die eingebaute Freigabe von Werkzeugaufrufen ist dafür ein geeigneter Mechanismus – vorausgesetzt, die Regeln dahinter sind entschieden und dokumentiert.
Vom Tool zum Ergebnis
Im AI-first-Coaching klären Sie, welche Ergebnisse KI-Agenten in Ihrer Marktbearbeitung verantworten sollen und in welchem Rahmen. Danach gestaltet, entwickelt und betreibt REVAGO Ihr System. Sie zahlen für Ergebnisse – nicht für Aktivität.
Häufige Fragen
Was ist DeepAgents?
DeepAgents (Deep Agents) ist ein Open-Source-Agent-Harness von LangChain auf Basis von LangGraph. Planung, Sub-Agenten, ein Dateisystem, Kontextmanagement, Gedächtnis, Skills und die Freigabe von Werkzeugaufrufen sind bereits eingebaut. Der Agent funktioniert mit jedem Modell, das Tool Calling unterstützt.
Wann nutze ich DeepAgents statt LangGraph?
DeepAgents passt, wenn Sie einen vollständigen Agenten mit Planung, Kontextmanagement und Delegation sofort einsetzen wollen. LangGraph direkt passt, wenn Sie jeden Schritt eines Ablaufs selbst modellieren möchten. Beide lassen sich kombinieren.
Ist DeepAgents sicher für den Einsatz im Unternehmen?
DeepAgents folgt einem „Trust the LLM“-Modell: Der Agent kann alles tun, was seine Werkzeuge zulassen. Sicherheit entsteht durch begrenzte Werkzeuge, eine Sandbox und Freigaben für kritische Aufrufe. Diese Grenzen müssen für den konkreten Einsatz festgelegt werden.
Weiterlesen im Wiki
Neutrale Einordnung, keine Empfehlung einzelner Anbieter. REVAGO ist mit den aufgeführten Projekten nicht verbunden. Beschreibungen beruhen auf den öffentlichen Angaben der Projekte; Funktionsumfang und Lizenzen können sich ändern.