LangChain bringt asynchrone Hintergrund-Worker zu Deep Agents

Ein Orchestrator bleibt verfügbar, während Aufgaben laufen

In LangChains Konzept bleibt ein Orchestrator für den Nutzer verfügbar und hält den Kontext des Gesprächs geordnet. Asynchrone Subagenten fungieren als Hintergrund-Worker, übernehmen delegierte Aufgaben und melden ihre Ergebnisse an den Orchestrator zurück, sobald sie fertig sind.

Der Ansatz behebt eine Einschränkung der standardmäßigen ReAct-Schleife: Ein langer Tool-Aufruf blockiert die Schleife, während andere Aufgaben dahinter warten. Bei asynchronen Subagenten kehrt der Aufruf sofort zurück, während die Arbeit unabhängig fortgesetzt wird. LangChain vergleicht dieses Verhalten mit dem Start einer Aufgabe über asyncio.create_task oder mit einem Promise, auf das nicht sofort gewartet wird.

Nach Angaben des Unternehmens kann die Kapazität eines Agenten mit der Zahl der Hintergrund-Worker wachsen und nicht nur mit der Länge einer einzelnen Schleife. Der Orchestrator kann die Arbeit starten, sobald Aufgaben eintreffen, anstatt auf die Rückgabe eines vollständigen Batches zu warten.

Fünf Tools verwalten die Hintergrundarbeit

Deep Agents nutzt fünf Tools zur Verwaltung asynchroner Subagenten. start_async_task startet einen Subagenten in seinem eigenen Thread und kehrt sofort zurück, während check_async_task den Status und das Ergebnis einer Aufgabe nach deren Abschluss abruft. update_async_task sendet neue Anweisungen an eine laufende Aufgabe, cancel_async_task stoppt eine Aufgabe und list_async_tasks zeigt alle Aufgaben und deren Status an.

Folgeanweisungen können eine laufende Aufgabe entweder unterbrechen oder auf ihren Abschluss warten. Die standardmäßige Strategie interrupt stoppt den aktuellen Lauf und startet ihn mit der neuen Anweisung neu. Die Strategie enqueue hält die Folgeanweisung zurück, bis der aktuelle Lauf abgeschlossen ist.

Aufgaben können automatisch Rückmeldung geben, oder der Orchestrator kann Aktualisierungen abfragen. Ist der Orchestrator beschäftigt, prüft er vor jedem Modellaufruf die noch nicht abgeschlossenen Aufgaben. Ist er untätig, kann ein Subagent ihn mit einem neuen Lauf aufwecken. Wenn eine Genehmigung erforderlich ist, bleibt diese bestehen, während das Ergebnis nach der Antwort des Nutzers eintrifft. Bei Managed Deep Agents in Slack wird die Anfrage im ursprünglichen Thread erneut veröffentlicht.

Für Python, JavaScript und Managed Deep Agents verfügbar

LangChain zufolge sind asynchrone Subagenten in Deep Agents für Python und JavaScript sowie in Managed Deep Agents verfügbar. Im bereitgestellten Beispiel fügen Entwickler einer Subagenten-Definition ein Feld async hinzu, um einen Rechercheassistenten mithilfe von openai:gpt-5.5 im Hintergrund auszuführen.

In Managed Deep Agents erhält jeder bereitgestellte Agent außerdem eine asynchrone Kopie des universell einsetzbaren Subagenten. Dadurch kann er zur Laufzeit entscheiden, ob delegierte Arbeit im Vordergrund oder im Hintergrund ausgeführt werden soll. Aufgabenbenachrichtigungen befinden sich derzeit in der Beta-Phase. LangChain weist daher darauf hin, dass sich die API noch ändern kann.

LangChain erwartet, dass sich dasselbe Muster über Subagenten hinaus auch auf Tools im Allgemeinen übertragen lässt. Das Unternehmen verweist auf die Unterstützung von OpenAI für asynchrone Tool-Aufrufe. Dabei arbeitet ein Modell nach dem Aufruf eines Tools weiter, während die Anwendung das Ergebnis in einer späteren Anfrage sendet. Für Entwickler, die Agenten für lang laufende Aufgaben bauen, bietet die Veröffentlichung eine Möglichkeit, die nutzerseitige Unterhaltung aktiv zu halten, während delegierte Arbeit weiterläuft.