Deep Agents: Engenharia de Contexto para Tarefas de Longo Prazo no LangChain

Agentes de IA modernos são construídos com base em diferentes abordagens: frameworks prontos, configuração por meio de uma interface de usuário (UI) ou desenvolvimento personalizado. Um framework popular é o LangChain, que começou com pipelines lineares (Runnable) e depois evoluiu para o LangGraph, para grafos de estado com um ciclo ReAct (Raciocínio + Ação). Para tarefas curtas, isso é suficiente, mas para tarefas longas, o agente acumula contexto: histórico, resultados de ferramentas, planos, arquivos. Isso dá origem à engenharia de contexto — gerenciamento do ambiente ao redor do agente. Deep Agents é uma implementação pronta de tal ambiente dentro do ecossistema LangChain, apresentada como a biblioteca deepagents. Sobre o create_agent, ela adiciona camadas de middleware, ferramentas e instruções de prompt para tarefas de longa duração: planejamento (write_todos), ferramentas de arquivo com backends conectáveis, um subagente de propósito geral (task), sumarização de histórico, recuperação de chamadas de ferramenta não concluídas e, opcionalmente, habilidades, memória, um humano no loop e um sandbox. No entanto, mesmo sem nenhum parâmetro adicional, o prompt do sistema cresce de 35 para 6.215 tokens por causa do constante BASE_AGENT_PROMPT e das ferramentas adicionadas, o que aumenta o custo e pode confundir modelos menores.