LangChain 团队把文档里的示例代码变成 CI 可自动测试的代码，方法是用 Deep Agents CLI 这个命令行智能体，配上预先写好的技能（类似给同事的步骤说明），让智能体自动把文档里的内联代码抽成独立文件、补全可运行的环境、加标记、跑测试，再嵌回文档。原来这些示例是静态的，API 或依赖一变就悄悄失效，而手动改造又太费工，所以很多团队干脆不做。现在只需在文档仓库里对智能体说一句“把某个文件里的内联代码迁移成可测试的示例”，它就会照技能执行，再配合 GitHub Action 定期跑测试并在失败时开单。这一做法目前是 LangChain 团队自用的示例，Deep Agents CLI 可查看官方文档试用，技能脚本需自己在仓库中配置，并非开箱即用的成品服务。
文中可用工具
- Deep Agents CLI一个命令行智能体，可用对话方式让它按技能说明自动完成文档代码迁移等任务
- Skills可复用的步骤说明文件，智能体在任务匹配时加载并照做
- Bluehawk根据标记从代码中抽取片段的工具，生成可嵌入文档的代码片段
- Mintlify文档平台，接收生成的代码片段作为文档内嵌内容
- GitHub Action定期自动运行代码示例测试，并在失败时创建工单
展开详情收起详情：我们如何让文档自己测试自己⌄
原文发布：2026-10-14 03:56 · 首次收录：2026-10-14
LangChain 把 MCP 支持搬进了主包，现在放在 langchain.mcp 里，不再需要单独安装 langchain-mcp-adapters。MCP 是一种让 AI 智能体调用外部工具的通用协议，过去每次调用都要先开一个会话、记住会话编号，服务器一重新部署，正在进行的会话就断了，运维起来很麻烦。新版 MCP 规范改成了“无状态”，所以 LangChain 顺势支持了工具列表缓存，以及 elicitation（工具执行中途反过来问用户问题，比如确认删除或补充缺失参数），并用 LangGraph 的 interrupt 来实现这种暂停和恢复。底层用的是 FastMCP，新旧两版协议的服务器都能连，旧的 MultiServerMCPClient 收敛成单个 MCPAdapter 类。对开发者来说，装个 langchain[mcp] 就能用，不过迁移细节和 elicitation 后续示例在文中被截断了，这部分信息未完整给出。
文中可用工具
- langchain.mcpLangChain 主包里的 MCP 支持模块，用来连接智能体和 MCP 工具服务器
- FastMCP提供连接、认证、缓存和协议协商的底层客户端，兼容新旧两版 MCP 规范
- MCPAdapter替代旧的 MultiServerMCPClient，用来接入一个或多个 MCP 服务器
- ClientGroup给每个 MCP 服务器单独配置连接、认证和协议版本
- LangGraph用其中的 interrupt 机制实现 elicitation 的暂停与恢复
- create_deep_agent创建可直接使用 MCP 工具的智能体
- langchain-mcp-adapters旧的独立安装包，现已并入 langchain 主包
展开详情收起详情：LangChain 中的 MCP：无状态协议、elicitation 等更新⌄
原文发布：2026-10-14 03:56 · 首次收录：2026-10-14
欧洲大型电信公司 Orange 的 B2B 部门 Orange Business 搭建了一个叫 Live Intelligence 的企业级 AI 平台，让公司内部和客户能在受管控的前提下开发和使用 AI 智能体。原来他们想自己从零造一套编排、部署、监控系统，但光基础设施就要花一年多，于是转而选用了开源框架 LangChain 和评估观测工具 LangSmith。现在平台上已有约 12 万名 Orange 员工在用，法国和欧洲有 150 多家客户采用；团队还能在改动上线前跑回归测试、逐条查看智能体执行过程，快速定位问题出在检索、提示词、模型还是工具调用上。
文中可用工具
- LangChain开源框架，用来搭建和编排 AI 智能体，好处是不绑定某一家模型厂商
- LangSmith用来做智能体评估、运行追踪和效果监控的工具
- Live Intelligence Studio给 AI 工程师设计跨系统复杂工作流的环境，含模型目录、智能体构建和 MCP 支持
- Live Intelligence Portal给业务人员直接使用的界面，可创建简单智能体、部署 Studio 里搭好的工作流
- Live Intelligence Console给企业管理员的控制台，查看用量、性能和落实安全合规策略
- Agent Registry集中管理智能体和提示词，支持发现、复用、版本控制与治理
- MCP Registry集中登记可信工具和连接器，让智能体安全访问企业系统
- LangSmith Fleet原文仅提到它是 Studio 中驱动智能体构建器的组件，未说明具体用途
- LangSmith Context Hub管理不同环境的提示词版本，可在不改代码的前提下先测试再上线
- MCP让智能体以统一方式连接外部工具和企业系统的协议
展开详情收起详情：Orange Business 如何用 LangChain 和 LangSmith 构建 Live Intelligence⌄
原文发布：2026-10-14 03:56 · 首次收录：2026-10-14
Snyk 是一家做代码和云安全扫描的公司，它把原本只给自己客服团队用的一个 AI 助手，升级成了所有付费客户都能用的功能，叫 Snyk Assist。以前客户想问漏洞、账号或产品问题，得自己翻文档、文章和发布说明，或者提工单等回复，信息散落各处。这个助手用 LangChain、LangGraph 和 LangSmith 搭建，能用大白话回答并帮忙查漏洞、开工单、提需求，而且只会看到当前用户本来就有权查看的内容。它先内部试用了约一年，2026 年 4 月进入支持门户，9 月 1 日才放进核心产品，所以目前是已经可用的状态。对读者来说，问问题不用再等人工，也能在对话里直接完成一些操作。
文中可用工具
- LangChain搭建 AI 智能体的开发框架，提供社区和生态支持
- LangGraph运行智能体的单一运行时，支撑多个入口
- LangSmith观测和评估智能体表现，帮助发现退化、改进回答
- Snyk Assist面向付费客户的对话式 AI 助手，可回答问题并代用户操作
- SlackSnyk Assist 的一个使用入口（Slack 应用）
展开详情收起详情：Snyk 如何将内部支持智能体转化为面向客户的产品功能⌄
原文发布：2026-10-09 18:29 · 首次收录：2026-10-10
Managed Deep Agents 在 v0.9 版本里新增了一个“表情回应”（reactions）API，用来给 Slack 频道里的智能体自动添加 emoji 反应。以前用户发出任务后，常常不知道智能体有没有收到、进行到哪一步，界面显得很“沉默”。这次的做法是：让开发者写一段简单规则或用一个决策模型，根据消息内容动态挑一个 emoji，比如看到“broken”就回一个虫子图标，表示已识别为故障。这样用户在等待较长的智能体任务时能得到即时反馈，更容易信任和看懂智能体在做什么。目前提到的是 v0.9 版本中的新能力，具体可用范围原文没有完整说明。
文中可用工具
- Managed Deep Agents管理分布式智能体的平台，新增 reactions API，可根据消息自动添加 emoji 反应
- Slack channels在 Slack 频道中承载智能体并展示 emoji 反应
- Jev一种决策模型，可从预设的 emoji 词表中根据上下文挑选一个
- TypeSafe ClassifierLangChain 工具包中的分类器，用于调用兼容 TypeSafe 的决策模型
- SemIf另一种可配合相同接口使用的决策模型
- LangSmith LLM Gateway托管决策模型的网关，原文提到 SemIf 托管于此
展开详情收起详情：如何用 Managed Deep Agents 打造出色的开箱即用用户体验⌄
原文发布：2026-10-10 03:34 · 首次收录：2026-10-10
Stripe 做了一个叫 Restock 的示范智能体，它住在 Slack 里，能帮你在网上找商品、把商品放进购物车并完成付款。以前让 AI 自己花钱很麻烦：要么让它在网页上模拟点按结账，容易出错，要么得把银行卡信息交给模型，很不安全。这次的做法是让付款交给 Stripe 的消费者钱包 Link 处理，模型从头到尾看不到卡号，而且用户要在 Slack 里确认订单并设定花钱上限，比如买一盒 25 美元以内的蓝笔，智能体最多只能花这么多。对读者的意义是，可以从 Restock 的示例代码出发，自己搭一个能安全付款的智能体。
文中可用工具
- RestockStripe 的示范智能体，能在 Slack 里找商品、建购物车并付款
- Managed Deep Agents托管智能体运行的平台，负责 Slack 接入、人工审核、凭据和状态保存
- LinkStripe 的消费者钱包，持有付款方式并让用户批准付款
- Machine Payments Protocol定义通过 HTTP 进行付款交换的协议，商户返回需要付款的提示，客户端带上凭据重试
- Zinc通过其支持 MPP 的订单 API 搜索商品并代表用户向零售商下单
- Apify原文未说明用途
- Mercator原文未说明用途
- pympp处理 MPP 协议的格式
- Link CLI在沙箱里完成 Link 登录
- ChatOpenAI智能体使用的模型接口，调用 OpenAI 模型
展开详情收起详情：可付款的智能体：用 Stripe Link 和 Managed Deep Agents 构建 Restock⌄
原文发布：2026-10-09 01:37 · 首次收录：2026-10-09
LangChain 发布了 Managed Deep Agents v0.9。以前智能体只能按固定方式运行，现在它们能在聊天中自己创建提醒和重复任务，每次运行前还能重新选择用哪个模型、哪些技能和工具，不用为每个团队复制一份。智能体还能在回复前先在 Slack 消息上点个表情，告诉对方“收到了”。目前这个版本处于公开测试阶段，想用的人可以开始试用。
文中可用工具
- Managed Deep AgentsLangChain 推出的智能体部署服务，能定时执行任务、按运行配置能力并接入 Slack
- Schedules SDK让智能体在对话中自己创建、列出、修改和删除定时任务与提醒
- define_deep_agent定义一个智能体，决定它在某次运行中使用哪个模型、指令、技能、MCP 服务器和沙箱
- LangSmith定时任务触发时，用来启动新的智能体运行
- Slack智能体接收和回复消息的渠道，并能在消息上添加表情回应
- Jev决策模型，可用于快速、低成本地挑选合适的 Slack 表情
展开详情收起详情：Managed Deep Agents 新功能：定时任务、按次配置与 Slack 表情回应⌄
原文发布：2026-10-08 02:09 · 首次收录：2026-10-08
Deep Agents 是一个用来搭建 AI 智能体的工具，技能则是教智能体做特定事情（比如准备客户会议）的说明文件。过去技能和工具是分开管理的，技能一多就容易占用智能体宝贵的上下文空间，还可能先调用工具却没读过使用说明。这次改版让工具可以绑定在技能上，只有读了技能才会加载对应工具，还支持在对话开始时锁定某个技能、以及在不重开对话的情况下重新加载技能。对使用者来说，长期运行的智能体可以带着成千上万个技能而不挤爆上下文，响应更快、行为更可控。
文中可用工具
- Deep Agents搭建 AI 智能体的框架，本次新增技能与工具绑定、固定和重载能力
- SkillsMiddleware接收绑定工具和标签解析函数的中间件，负责把技能相关工具加入对话
- read_file智能体用来读取技能完整说明文件的工具
- Anthropic其较新模型支持对话中途新增工具，可保持提示缓存有效
- OpenAI其较新模型支持对话中途新增工具，可保持提示缓存有效
- MCP一种工具服务协议，文中举例可按服务器整体披露一组工具
展开详情收起详情：Deep Agents 技能机制大改版⌄
原文发布：2026-10-08 19:05 · 首次收录：2026-10-08