LangChain نسخه ۰٫۱۰ سرویس Managed Deep Agents را منتشر کرده است؛ سرویسی میزبانی‌شده برای ساخت و اجرای عامل‌های هوش مصنوعی روی LangSmith بدون نیاز به مدیریت زیرساخت. این به‌روزرسانی که از ۲۹ اکتبر به‌صورت بتای عمومی در دسترس است، دو توانایی پرتقاضا را به عامل‌ها می‌دهد: یک مرورگر وب واقعی که می‌توانند با آن کار کنند و زیرعامل‌هایی که در پس‌زمینه فعالیت می‌کنند بی‌آنکه گفت‌وگو متوقف شود.
مرورگر برای انبوه کارهای روزمره‌ای طراحی شده که روی وب‌سایت‌های فاقد API انجام می‌شوند، مانند رزرو سفر، لغو اشتراک یا ثبت درخواست خسارت. به گفته LangChain، صرفاً دریافت صفحه کافی نیست، چون کد HTML پیش از آنکه اسکریپت‌ها محتوا را نمایش دهند می‌رسد و چیزی برای کلیک کردن وجود ندارد. در نسخه ۰٫۱۰، توسعه‌دهنده با یک فراخوانی define_browser مرورگر را در پروژه تعریف می‌کند و پلتفرم آن را از راه دور در محیط ایزوله اختصاصی LangSmith اجرا می‌کند و چند ابزار را خودکار اضافه می‌کند: browser_snapshot درخت دسترس‌پذیری صفحه را می‌خواند و عناصر را برچسب می‌زند، browser_run مجموعه‌ای از کنش‌ها یا اسکریپت‌هایی به سبک Playwright را اجرا می‌کند، browser_screenshot از صفحه تصویر می‌گیرد و browser_handoff کنترل را به انسان می‌سپارد.
همین واگذاری کنترل، محور اصلی امنیت این قابلیت است. وقتی عامل به صفحه ورود یا تأیید دومرحله‌ای می‌رسد، از کاربر می‌خواهد پنجره را در LangSmith Studio یا Slack در اختیار بگیرد؛ کاربر خودش وارد حساب می‌شود و سپس دکمه Hand back را می‌زند. به این ترتیب اطلاعات ورود هرگز در پیام‌های مدل، ردگیری‌های اجرا یا گزارش‌های ارائه‌دهنده مدل دیده نمی‌شود. مرورگر را می‌توان به یک رشته گفت‌وگو محدود کرد تا هر بار از صفر شروع شود، یا به یک کاربر اختصاص داد تا ورود او در گفت‌وگوهای بعدی هم حفظ شود. مرورگرهای بیکار به‌طور پیش‌فرض پس از ده دقیقه خاموش می‌شوند.
LangChain این ابزارها را بر پایه Stagehand، کیت توسعه متن‌باز شرکت Browserbase، ساخته و می‌گوید در ۱۰۰ وظیفه از مجموعه WebVoyager در ۹۰ درصد موارد موفق بوده‌اند و هزینه کل ۱٫۹۸ دلار شده است؛ بهترین نتیجه در میان هفت مجموعه ابزاری که مقایسه شدند. چون مرورگر از طریق پلی خصوصی به محیط ایزوله خود عامل وصل است، یک عامل برنامه‌نویسی می‌تواند برنامه‌ای را به‌صورت محلی اجرا کند، برای آزمون سرتاسری در آن کلیک کند و سپس مراحل را به شکل یک آزمون قابل استفاده مجدد Playwright ذخیره کند.
دومین قابلیت مهم، زیرعامل‌های ناهمگام است. تا پیش از این، زیرعامل‌هایی که کاری به آن‌ها سپرده می‌شد درون همان جریان اجرا می‌شدند و کاربر باید منتظر می‌ماند. با علامت‌گذاری یک زیرعامل به‌عنوان async، این زیرعامل در رشته خودش اجرا می‌شود و عامل هماهنگ‌کننده به گفت‌وگو ادامه می‌دهد؛ عامل اصلی می‌تواند وضعیت کار را بررسی، مسیرش را عوض یا آن را لغو کند و نتیجه بدون پرس‌وجوی مکرر خودبه‌خود برمی‌گردد. تغییرات دیگر شامل بازگشت پاسخ‌ها به رشته اصلی Slack، دکمه Stop، مدیریت‌کننده‌های آزمایشی رویدادهای Slack، سازوکار resolveUser برای تطبیق هویت کاربران و تغییرات ناسازگاری است که تعریف سرورهای MCP را به فایل‌های ابزار منتقل می‌کند.
ارقام مربوط به دقت و هزینه در آزمون‌ها را خود LangChain اعلام کرده و هنوز به‌طور مستقل تکرار نشده‌اند. این شرکت می‌گوید گزارشی مفصل‌تر درباره نحوه آزمودن ابزارهای مرورگر به‌زودی منتشر می‌کند.