LangChain gir agenter minne og egne innlogginger
LangChain lanserer Managed Deep Agents 0.8 med brukerspesifikt minne, egne innlogginger og HTTP-kanaler. Målet er å gjøre det enklere å flytte AI-agenter fra prototype til produksjon.
Fra agentdemo til drift
LangChain lanserte Managed Deep Agents 0.8 24. september 2026. Oppdateringen retter seg mot utviklere som allerede kan bygge en agent, men som trenger et mer komplett oppsett for innlogging, minne, kanaler og verktøy før agenten slippes løs på kolleger eller kunder. LangChain beskriver lanseringen som en utvidelse av infrastrukturen rundt agenter i produksjon.
Det nye er ikke en chatbot folk flest kan laste ned. Managed Deep Agents er en kodebasert måte å organisere og kjøre agenter på LangChain-plattformen. Prosjektet kan inneholde instruksjoner, verktøy, kanaler, tidsplaner, sandkasse og evalueringer, ifølge produktbeskrivelsen fra LangChain.
Minne som skiller brukerne
Den mest praktiske endringen er et eget minnelag for brukeren som starter agentkjøringen. Tidligere kunne en agent ha varig felles minne for en arbeidsgruppe. I versjon 0.8 kan utvikleren skille dette fra personlige opplysninger, preferanser og arbeidsmåter som bare skal gjelde én innlogget bruker. LangChain oppgir at agentminnet og brukerminnet holdes i separate lag.
Det er et lite, men viktig skifte for interne agenter. En salgsagent kan ha felles regler for hvordan kundeinformasjon skal behandles, samtidig som den husker at én selger foretrekker korte Slack-meldinger. En research-agent kan bruke samme metode for alle, men huske at ulike brukere vil ha forskjellige kildetyper eller formater. Eksemplene er i tråd med bruksområdene LangChain selv beskriver.
Egne rettigheter følger med
Oppdateringen legger også til brukereide innlogginger. Det betyr at agenten kan handle med rettighetene til personen som ber om oppgaven, i stedet for at alle henvendelser går gjennom én felles konto. LangChain nevner blant annet GitHub, Linear, Notion og Google Workspace som tjenester der dette kan være relevant.
Dette gjør agenten mer nyttig, men også mer krevende å styre. En agent som leser et prosjektområde med brukerens tilgang, bør ikke automatisk få samme tilgang når den flyttes til en felles kanal. LangChains oppsett har derfor egne regler for når brukerminne og brukerens innlogging kan brukes, med strengere standarder i gruppechatter og HTTP-kall, ifølge lanseringsdokumentasjonen.
Slack, webhooks og nettsøk
Managed Deep Agents 0.8 får rikere Slack-støtte, inkludert filoverføring. En agent kan dermed motta logger, regneark eller dokumenter direkte i en samtale. I tillegg kommer HTTP-kanaler som kan koble agenten til interne verktøy, kundeportaler og supportsystemer som sender webhooks. LangChain beskriver begge kanaltypene som nye innganger til den samme agenten.
Nettsøk fra Parallel er også bygget inn som et ferdig verktøy. Utviklere slipper ifølge LangChain å opprette en separat leverandørkonto og håndtere en ekstra API-nøkkel for akkurat dette søket. Agenten får utdrag og kilde-URL-er, mens kall, forsinkelser og feil kan følges i LangSmith.
Hva bør norske team gjøre?
For norske selskaper som bygger interne KI-assistenter, er versjon 0.8 interessant fordi de vanskeligste problemene ofte oppstår etter den første demoen. Da må systemet vite hvem som spør, hvilke data personen har lov til å bruke, hva agenten skal huske og hvor den kan svare. Det er denne driftsdelen kategorien for automatisering og agenter handler om.
Før en norsk virksomhet kobler på kundedata eller interne dokumenter, bør den teste tilgangsregler, sletting, logging og hvilke regioner data behandles i. LangChain oppgir at funksjonene lanseres i beta, og endringsloggen viser at 0.8-serien ble publisert 24. september. Det betyr at norske utviklere kan prøve teknologien nå, men bør behandle den som et byggesett som må evalueres før kritiske arbeidsflyter automatiseres.
Ofte stilte spørsmål
Hva er Managed Deep Agents 0.8? Det er en oppdatering av LangChains plattform for å bygge, drifte og koble AI-agenter til produksjonssystemer. Versjon 0.8 legger blant annet til brukerminne, brukerinnlogginger, HTTP-kanaler og innebygd nettsøk, ifølge LangChain.
Hva er forskjellen på agentminne og brukerminne? Agentminne kan deles av alle som bruker agenten, mens brukerminne knyttes til den innloggede personen. Hensikten er å unngå at personlige preferanser blandes mellom brukere, slik LangChain forklarer.
Er Managed Deep Agents klart for norske produksjonssystemer? Funksjonene er lansert i beta. Norske team bør teste tilgang, logging, databehandling og feilhåndtering grundig før agenten får ansvar for sensitive eller kritiske oppgaver. Endringsloggen viser 0.8-lanseringen.
Slik vurderer vi
Vi baserer innholdet på offisielle priser, leverandørenes egne sider og uavhengige kilder, oppdatert løpende. Vi tjener provisjon på enkelte lenker, men det påvirker ikke vurderingen.