Deep Agents: ingeniería de contexto para tareas de largo alcance en LangChain

Los agentes de IA modernos se construyen sobre diferentes enfoques: marcos de trabajo prefabricados, configuración a través de una interfaz de usuario o desarrollo personalizado. Un marco popular es LangChain, que comenzó con pipelines lineales (Runnable) y luego evolucionó hacia LangGraph para grafos de estado con un ciclo ReAct (Razonamiento y Actuación). Para tareas cortas esto es suficiente, pero para las largas el agente acumula contexto: historial, resultados de herramientas, planes, archivos. Esto da lugar a la ingeniería de contexto: gestionar el entorno alrededor del agente. Deep Agents es una implementación ya preparada de dicho entorno dentro del ecosistema LangChain, presentada como la librería deepagents. Sobre create_agent, añade capas de middleware, herramientas e instrucciones de prompt para tareas de larga duración: planificación (write_todos), herramientas de archivo con backends conectables, un subagente de propósito general (task), resumen del historial, recuperación de llamadas a herramientas inconclusas y, opcionalmente, habilidades, memoria, un humano en el bucle y un sandbox. Sin embargo, incluso sin ningún parámetro adicional, el prompt del sistema crece de 35 a 6.215 tokens debido al constante BASE_AGENT_PROMPT y las herramientas añadidas, lo que aumenta el costo y puede confundir a modelos más pequeños.