Deep Agents：LangChainにおける長期的タスクのためのコンテキストエンジニアリング

現代のAIエージェントは、既製のフレームワーク、ユーザーインターフェイス（UI）による設定、またはカスタム開発という、異なるアプローチに基づいて構築されています。人気のあるフレームワークの1つがLangChainであり、これは線形パイプライン（Runnable）から始まり、その後、ReAct（推論＋行動）サイクルを持つ状態グラフのためのLangGraphへと進化しました。短いタスクにはこれで十分ですが、長いタスクではエージェントがコンテキスト（履歴、ツールの結果、計画、ファイル）を蓄積します。これにより、コンテキストエンジニアリング、つまりエージェント周囲の環境を管理する必要性が生じます。Deep Agentsは、LangChainエコシステム内におけるそのような環境の既製実装であり、deepagentsライブラリとして提供されています。create_agentに加えて、長期タスクのためのミドルウェア層、ツール、プロンプト指示（planning（write_todos）、プラグイン可能なバックエンドを持つファイルツール、汎用サブエージェント（task）、履歴要約、未完了のツール呼び出しの回復、そしてオプションでスキル、メモリ、ヒューマン・イン・ザ・ループ、サンドボックス）を追加します。しかし、追加のパラメータがなくても、システムプロンプトは定数のBASE_AGENT_PROMPTと追加ツールにより35トークンから6,215トークンに増加し、コストが上昇し、小規模なモデルを混乱させる可能性があります。