LangChain联合创始人兼CEO Harrison Chase近日表示，AI智能体开发的核心问题在于“执行环境工程”（Harness）。
所谓Harness，是为AI模型提供的执行环境，使其能够在循环中调用工具，并处理长时间运行的任务。
Chase在接受VentureBeat播客采访时称，“执行环境工程是上下文工程的延伸”。在他看来，近期的一个明显趋势是，将更多原本属于上下文工程的控制权交给模型，由模型自主判断需要保留和调用哪些信息。
他指出，早期模型能力有限，难以稳定完成循环执行。以AutoGPT为例，其框架与当前主流智能体产品较为接近，但受限于当时的模型能力，无法稳定支撑循环任务，因此很快失去市场关注。
基于这一判断，LangChain推出了通用执行框架Deep Agents。该产品基于LangChain和LangGraph构建，支持任务规划、虚拟文件系统、上下文与token管理、代码执行，以及技能与记忆等功能。
Deep Agents还支持将任务分派给子智能体，由后者基于不同工具和配置并行执行。LangChain表示，子智能体的工作过程与主智能体上下文相互隔离，可将大体量中间结果压缩为单一输出，从而提升token使用效率。
Chase强调，如果智能体需要在一个包含200个步骤的任务中持续追踪进度并保持执行一致性，就必须具备一种能够在推进任务的同时记录推理和进度的结构。
记者信息
Chi-gyu Hwang
delight@d-today.co.kr