Deep Agents: Kỹ thuật Context Engineering cho các Tác vụ Dài hạn trong LangChain

Các tác nhân AI hiện đại được xây dựng dựa trên các phương pháp tiếp cận khác nhau: khung làm sẵn, cấu hình qua giao diện người dùng (UI) hoặc phát triển tùy chỉnh. Một khung phổ biến là LangChain, ban đầu bắt đầu với các pipeline tuyến tính (Runnable) và sau đó phát triển thành LangGraph cho đồ thị trạng thái với chu trình ReAct (Suy luận + Hành động). Đối với các tác vụ ngắn, điều này là đủ, nhưng đối với các tác vụ dài, tác nhân tích lũy ngữ cảnh: lịch sử, kết quả công cụ, kế hoạch, tệp tin. Điều này làm nảy sinh kỹ thuật ngữ cảnh (context engineering) — quản lý môi trường xung quanh tác nhân. Deep Agents là một triển khai có sẵn của môi trường như vậy trong hệ sinh thái LangChain, được giới thiệu dưới dạng thư viện deepagents. Trên nền tảng create_agent, nó bổ sung các lớp trung gian (middleware), công cụ và hướng dẫn lời nhắc (prompt instructions) cho các tác vụ chạy dài: lập kế hoạch (write_todos), công cụ tệp tin với các backend có thể cắm thêm (pluggable backends), một tác nhân phụ đa năng (task), tóm tắt lịch sử, khôi phục các lời gọi công cụ chưa hoàn thành, và tùy chọn: kỹ năng, bộ nhớ, sự can thiệp của con người (human in the loop) và hộp cát (sandbox). Tuy nhiên, ngay cả khi không có thêm tham số nào, lời nhắc hệ thống (system prompt) vẫn tăng từ 35 lên 6.215 token do BASE_AGENT_PROMPT cố định và các công cụ được thêm vào, điều này làm tăng chi phí và có thể gây nhầm lẫn cho các mô hình nhỏ hơn.