LangChainのDeepAgentsフレームワーク

• 従来のLLMベースのエージェントは、単にツールを繰り返し呼び出す「浅い（shallow）エージェント」構造が一般的だったが、Deep Agents は複雑で長期的な課題も深く解決する 計画的・構造的なAIエージェント である
• Deep Research、Manus、Claude Code のような最新のエージェントは、より深いテーマ探索とコンテキスト管理が可能な「ディープエージェント」を実装している
  • 詳細なシステムプロンプト、計画ツール、サブエージェント、ファイルシステムの活用 が「ディープエージェント」の中核
• LangChainは、誰でも自分のvertical（ドメイン）に合ったdeep agentを簡単に作れるよう、オープンソースパッケージ deepagents を公開
  • カスタムプロンプト・ツール・サブエージェントの設定が可能で、研究・開発などさまざまな分野で応用できる汎用フレームワークを提供

---

従来のLLMエージェントの限界とDeep Agentsの特徴

• 従来型エージェント: LLMがループしながらツールだけを呼び出す → 短い文脈、短期・単純な作業にしか適さない
• Deep Agents: 長期的な目標や複雑なタスクも、自ら分解・計画・追跡・協調できる

Deep Agentsを構成する4つの要素

1. 詳細なシステムプロンプト

   • Claude Code などの代表例のように、ツールの使い方や行動例を詳しく明示したプロンプトを活用
   • 複雑な指示とfew-shot例によって、より「深い」思考と実行を促す

2. 計画（Planning）ツール

   • 実際の機能がなくても、「To-Doリスト」などの計画ツールをルーチンに組み込み、文脈管理と実行力の維持 に役立てる
   • no-op（何もしない動作）であっても、プロンプトに文脈を与える効果がある

3. サブエージェント（Sub Agents）

   • 下位作業ごとに サブエージェントを生成・分割 し、各エージェントが個別に作業した後に結果を統合
   • 大規模・複雑な問題も並列・分業構造で処理

4. ファイルシステム

   • 実際のファイル操作だけでなく、ノート・コンテキスト保存領域 として活用
   • 複数のエージェント・サブエージェントがファイルシステムを共有し、協調と長期的な文脈維持を実現

LangChainのDeep Agentsフレームワーク: deepagents

• オープンソースのPythonパッケージ（pip install deepagents）で、カスタムプロンプト・ツール・サブエージェントの設定が可能
  • Claude Codeに着想を得たシステムプロンプトを、より汎用的に修正
  • no-opのToDoリスト計画ツール（Claude Codeと同様）
  • サブエージェントの生成とカスタム指定が可能
  • LangGraphの概念を利用した仮想ファイルシステム（エージェントの状態を利用）
• 例としてdeep research agentのサンプルを提供し、vertical特化エージェントを容易に制作可能

活用例と価値

• 研究・開発、コード生成、リサーチ、複雑な自動化など、長期・複合的なAI作業 に最適化
• 詳細なコンテキスト設計と分業構造 により、深みのある結果を生成可能
• 誰でもドメインに合った「ディープエージェント」を構築でき、AI活用の次の段階を示す