Managed Deep Agents（MDA）是 LangSmith 上托管运行代码优先 Deep Agents 的运行时。用 Python 或 TypeScript 编写 agent 后，本地用 mda dev 测试，再通过 mda deploy 或连接 GitHub 仓库部署，获得持久运行、沙箱、Context Hub 支持的指令与技能、记忆、追踪以及托管的 LangGraph 部署。核心思路是“agent 即目录”，文件位置决定其角色，CLI 将该目录编译为受管 LangGraph 应用。
主要能力：instructions.md 作为每次运行都注入的系统提示；skills/<name>/SKILL.md 存放按需加载的任务流程；tools/ 与 middleware/ 存放自定义工具与中间件（含远程 MCP 声明）；memory.py 提供部署共享的持久记忆；identity.py 控制调用者身份（LangSmith API key 或 Supabase JWT，亦可走可信后端代理）；channels/ 与 schedules/ 分别支持 Slack 通道和定时任务；sandbox/ 提供沙箱；response_format 支持结构化输出；subagents 用于委派。
使用方式：先安装 CLI，Python 项目运行 uv tool install --prerelease allow managed-deepagents，TypeScript 项目运行 npm install -g managed-deepagents@dev。随后 mda init <name> --model <provider>:<model> 初始化，进入项目执行 uv sync 或 npm install，用 mda dev . 本地编译并打开 Studio 热重载，确认无误后 mda deploy . 同步 Context Hub 并上传等待部署完成。密钥写入 .env 占位符，由用户自行填入，勿把明文凭证写入或回显。
限制：仅支持美国 LangSmith Cloud，无自托管、混合或欧盟区域；无公开管理 API；Slack 是唯一通道；记忆为部署共享，无按用户记忆；每个项目仅一个 agent 入口；schedule 声明必须是静态字面量；构建归档上限 200 MB；backend、store、checkpointer、memory、skills、system prompt 等为运行时托管字段，不可自行设置；沙箱为每线程一个。需要自定义服务器路由、自有鉴权、更强隔离、最大可扩展性或美国以外区域时，应改用标准 LangSmith Deployment。资料未提供具体定价信息。