LangChain 总结构建企业级智能体运行框架的五大核心组件
The five components of building a "company harness"
LangChain 总结了构建企业内部多智能体运行环境(Company Harness)的五大核心组件,涵盖工作流交互体验、身份权限管理、分层记忆、沙盒代码执行以及定时与事件调度机制。
原文总结了多智能体落地时在身份权限、沙盒与调度层面的通用架构方案,为企业自建 Agent 基础设施提供了工程参考。
如何打造企业级智能体运行底座?
在 LangChain,我们为市场、销售和工程团队都搭建了内部智能体,彻底改变了这些团队的工作模式。把它们做好并不容易。我们花了很多时间来解决多人协同底座带来的各种问题,最终各个团队都收敛到了同一套核心机制上:
- 直接嵌入员工原本日常工作的平台(对我们而言就是 Slack)
- 能识别调用者身份,在某些服务中代该员工执行操作(OBO),在其他服务中则以智能体自己的专属身份运行
- 具备记忆能力,可划分为全局级或用户级记忆
- 代码在沙盒中运行,并能向需要身份认证的服务发起请求
- 大部分运行由系统定时触发,而非等待人工手动调用(泛在式智能体!)
感谢 @caspar_br 对本文的协助
LangChain 内部智能体
为了让讨论更具象,先简单介绍一下 LangChain 内部的三大核心智能体:
GTM 智能体:一个主动、全天候在线的智能体,协助开展市场拓展业务。它负责监控并回复邮件、跟进新确认的销售线索、发送每日简报、解答客户账户相关问题,还能自主推进对外获客流程。
OpenSWE:我们的研发工程智能体,不仅能开发并起草 PR,还会对所有 PR 执行代码审查。
Content Studio:我们的营销智能体,能够根据我们的品牌调性和定位知识,起草各类营销素材(博客、配图、PPT、视频)。
所有这些智能体都是按照同一套模式构建的。我们认为,这套方案完全可以作为搭建企业级智能体底座的通用范本。

难题:用户体验
我们所有的智能体都直接嵌入员工日常工作的平台,在 LangChain 就是 Slack。每个智能体都有专属的 Slack 应用,支持通过私聊沟通,也可以在公共频道里 @ 调用。在频道里使用智能体的一大好处,是其他人能直观看到它该怎么用。
我们还加入了一个很棒的设计——Slack 会话“分支拆分”。大家经常会在频道里展开深入讨论,这时你想拉入智能体听听它的意见,或者让它执行某项操作。但如果它直接在这个讨论串里回复,就会打乱大家的交谈节奏、分散注意力。为此,我们设计了一种简便机制,让智能体能在当前频道里直接“拆分”出专属的新会话讨论串。

不过,有些使用场景确实不适合放在 Slack 里处理。比如审核 GTM 智能体代拟的邮件,偶尔审核一两封在 Slack 里完全没问题,但如果积压了一大堆待办,逐条在 Slack 消息里跟踪体验就会非常痛苦。针对这类场景,我们最终还是专门搭建了一套定制化 UI。

难题:身份认证
我们遇到的最棘手、最复杂的问题是身份认证。具体来说就是:当智能体执行操作时,它究竟代表谁来操作?
业内主要有两种处理方式:
- 身份代行(On-behalf-of):智能体代行调用该智能体的用户身份
- 固定凭证(Fixed credentials):无论谁来调用,智能体始终使用一组固定的凭证(例如专用服务账号)
我们在各智能体中的实际处理方案如下(相关文档:为托管式 Deep Agents 添加身份认证、连接管理):
OpenSWE:
- 当你向它发送消息时,它会代行你的身份(比如以你的 GitHub 账号去创建 PR)
- 当它在后台运行时(例如充当代码审查智能体),会使用自身的独立身份(GitHub App)来执行操作。
GTM 智能体:
- 对于部分工具(例如访问 Salesforce),它会使用固定身份,这样并非每个人都需要单独登录。
- 而对于另一些工具(如电子邮件),它会代表调用该智能体的用户行事。这类工具仅限在私信(DM)中使用,在共享频道中不可用。
Content Studio:
- 它拥有部分工具(如 Notion),会代表调用智能体的用户执行操作。
- 它也有些工具(如 Twitter)使用固定的一组凭据,此处即我们公司的官方 Twitter 账号。不过,只有白名单内的用户才能调用其中的某些操作。例如,并非所有人都能直接发布推文(可能只有查看或起草的权限)。

难点:记忆能力
所有智能体都具备两层记忆:
- 全局记忆:对所有用户通用的记忆。
- 用户记忆:仅适用于特定用户的记忆。
智能体会自行决定把哪些信息存入哪一层记忆。
这可能是目前探索最少的领域——我们在这一块还有很多构想打算推进!
难点:代码执行
我们的三个智能体都能编写并执行代码,而且在执行任务时往往离不开这项能力。它们都遵循同一种运行模式:自身在沙箱外部运行,但连接到沙箱内部去执行代码。它们各自的基础镜像略有不同,依赖项也各异。OpenSWE(与编程关联度最高的智能体)能够智能选择要启动的基础镜像(因频道或用户而异)。它们都利用了 LangSmith Sandboxes 上的机密代理(另见为 Managed Deep Agents 添加沙箱),让智能体能够在沙箱内部安全可靠地连接各项服务。

难点:定时任务
很大一部分运行并非由用户直接触发,而是在后台按计划定时执行或由事件驱动。
其中部分由智能体的开发者预先配置。例如:OpenSWE 会监听 PR,一旦有新的 PR 创建就会自动进行审查。
另一些则由用户在提出需求后由智能体自行配置。例如:我让 GTM 智能体每天给我发一份每日简报,它便自己创建了一个 cron 定时任务来执行。

全部基于 Managed Deep Agents 构建
所有这些智能体都构建在 Managed Deep Agents 之上,后者基于开源的 Deep Agents 框架打造。它提供了解决上述所有难题(频道、cron 定时任务、沙箱、记忆、身份认证)的基础设施,同时保留了充足的灵活性,方便按需定制智能体行为。欢迎参考快速上手指南立即体验!
来源:LangChain Blog · langchain.com