Продвинутые темы

Deep Agents, кэширование, обработка ошибок и наблюдаемость — инструменты для создания надёжных агентов.

#Deep Agents

Deep Agents — высокоуровневая обвязка с готовыми возможностями: планирование через write_todos, файловая система, автоматические субагенты, управление контекстом и кэширование промптов. Создаётся через create_deep_agent:

from deepagents import create_deep_agent

agent = create_deep_agent(
    model="openai:gpt-4o-mini",
    tools=[],
    system_prompt="Ты помощник для исследований.",
)

Используйте Deep Agents, когда нужны максимальные возможности с минимальной настройкой. Для тонкой настройки — LangChain create_agent.

#Кэширование узлов

Кэширование позволяет избежать повторного выполнения дорогих операций. Если входные данные не изменились, результат берётся из кэша. Настраивается через CachePolicy с TTL и пользовательской функцией ключа:

from langgraph.cache.memory import InMemoryCache
from langgraph.types import CachePolicy

builder.add_node("search", search_function, cache_policy=CachePolicy(ttl=60))
graph = builder.compile(cache=InMemoryCache())

#Обработка ошибок

Мидлварь ModelRetryMiddleware и ToolRetryMiddleware автоматически повторяют неудачные вызовы модели и инструментов. Лимит рекурсии по умолчанию — 1000 шагов, настраивается через recursion_limit. Для проактивного контроля используйте RemainingSteps — managed-значение, отслеживающее оставшиеся шаги.

#Наблюдаемость с LangSmith

LangSmith — платформа для трассировки и оценки агентов. После настройки все вызовы автоматически трассируются:

export LANGSMITH_TRACING="true"
export LANGSMITH_API_KEY="ваш-ключ"

Через LangSmith можно наблюдать вызовы модели (входные/выходные данные, токены, задержки), вызовы инструментов (аргументы, результаты, ошибки), переходы состояния и ошибки. LangSmith Studio позволяет визуализировать граф и устанавливать точки останова.