LangChain 喺 10 月 7 日發布 Managed Deep Agents v0.9，加入三項新功能：代理可以喺對話入面自己安排跟進排程、每次運行時按情境調整模型同工具配置，以及喺 Slack 收到訊息先按「已讀」再回覆。官方稱更新係想令內部代理喺 Slack 或自家渠道運作時「更像隊友」。
代理自己排工
新加嘅 Schedules SDK 令代理喺對話中途建立提醒、跟進同重複任務，例如用户講「明日提醒我件事」。重點係呢個排程由代理喺對話時自己建立，並以發起該請求嘅用户身分、用佢自己嘅權限同連接去運行，結果亦送回原來個渠道。
排程可透過 cron 表達式（cron 即 Unix/Linux 傳統嘅排程格式，按時間觸發）設定期間，每次到時 LangSmith 會用該 prompt 啟動一次新運行。一次性排程（用 at 而唔係 cron）則喺原線程回覆，適合「一小時後再查下個 deploy」呢類跟進。官方亦演示咗一個 reminder tool，用户可以純對話去建立、列出、更新、刪除排程。
每次運行自配模型同工具
代理而家可以設成一個可呼叫函數（callable function）：每次運行開始時接收運行時上下文，再回傳一個 define_deep_agent 定義，為該次運行揀模型、指令、skills、MCP server（Model Context Protocol，一種讓外部工具同語言模型對接嘅協議）同沙盒。
呢個設計嘅好處係一個部署可以服務多個團隊，而唔使照抄一份近完全相同嘅代理。佢話呢個配置喺模型運行「之前」定低，所以代理睇唔到配置以外嘅 skills 同 MCP 工具；同時收窄上下文、兼作存取控制，並避免令模型自己去揀工具組產生非確定性輸出。
Slack「已讀」
第三項就簡單啲：代理喺回覆前會先對訊息按「已讀」（reaction）。
阿調搞兩下
呢版更新嘅核心，係把「邊個揸住權限」同「邊個揸住工具」兩件事拆低同設定喺模型運行之前——配置唔畀模型自己揀，就唔俾它越權，同時收窄佢個上下文。但要注意：呢啲功能而家只係官方功能説明，本站未有執行或保留任何測試記錄，以上並非實測。實際喺企業渠道用到嘅權限、資料流向同排程觸發表現，仍要留待獨立驗證，讀者自行判斷。
阿調｜深度調教
