Deep Agents Deploy推出Beta版 实现模型无关开源智能体快速部署

背景与意义

随着大模型能力的提升，**智能体（Agent）**成为企业落地生成式AI的关键形态。过去一年，围绕智能体的“harness engineering”快速成形，许多公司推出了闭源的托管服务，如Anthropic的Claude Managed Agents。Deep Agents 团队在此背景下推出 Deep Agents Deploy，提供一套模型无关、完全开源的智能体部署解决方案，帮助开发者摆脱供应商锁定，掌握记忆数据所有权。

核心特性

• 模型无关：支持 OpenAI、Google、Anthropic、Azure、Bedrock、Fireworks、Open Router、Ollama 等主流模型以及本地模型。
• 统一指令集：采用 AGENTS.md 作为标准化指令文件，所有指令在会话启动时自动加载。
• 可插拔技能：通过 skills 目录提供 Markdown 描述的专业知识和可执行脚本，方便对接自定义工具。
• 多沙箱集成：内置 Daytona、Runloop、Modal、LangSmith 等沙箱，也支持任意第三方沙箱，只需在 sandbox 配置中声明。
• 全套部署：一条命令 deepagents deploy 即可完成
  • 多租户可扩展的调度与记忆服务
  • 30+ 端点的统一 API（MCP、A2A、Agent Protocol、Human‑in‑the‑loop、Memory 等）
  • 基于 LangSmith Deploy 的水平扩展服务器

部署流程概览

1. 准备配置：在 deepagents deploy 参数中指定模型、AGENTS.md、技能文件及沙箱。
2. 一键启动：命令自动构建 Docker 镜像并在 Kubernetes 或本地环境中启动。
3. 接口对接：通过 MCP 调用工具、A2A 实现多智能体协作，或使用 Agent Protocol 为前端 UI 提供统一入口。
4. 记忆管理：所有短期、长期记忆均以文件或数据库形式持久化，用户可自行查询或迁移。

开源生态

Deep Agents Deploy 完全基于 MIT 许可证，代码在 GitHub 公开，兼容 Python 与 TypeScript 两大生态。项目遵循 AGENTS.md 与 Agent Skills 两项开放标准，鼓励社区贡献新的技能库或沙箱适配器。目前已有 30+ 社区贡献的插件，覆盖数据抓取、代码执行、文档检索等常见场景。

与 Claude Managed Agents 的对比

从表中可以看出，Deep Agents Deploy 在 避免锁定、可控记忆 与 成本灵活 上具备显著优势，尤其适合对数据合规和长期运营有严格要求的企业。

市场前景

随着企业对生成式 AI 的落地需求从实验室走向生产环境，具备 可自主管理记忆 与 多模型兼容 的智能体平台将成为竞争焦点。Deep Agents Deploy 的出现为开源社区提供了完整的生产级参考实现，也为企业提供了从原型到全量部署的平滑路径。预计在未来 12 个月内，社区贡献的技能库将突破 100 项，生态成熟度有望赶超多数商业托管方案。

“开源不等于低质量，关键是社区的持续迭代。”——Deep Agents 项目负责人

如您认同 模型自由 + 数据主权 的理念，可立即访问项目文档与 GitHub 仓库，体验 Beta 版并提交反馈。