2026年10月29日、LangChainはManaged Deep Agents v0.10をパブリックベータとして公開した。目玉となる変更は控えめに見えるが重要だ。管理型エージェントが独自のブラウザを持つようになったのである。理由は、あらゆるAPI戦略が残してしまう隙間にある。多くのウェブサイトは、きれいなインターフェースのためではなく、クリックし、フォームに入力し、ページを読む人間のために作られている。APIが存在しない場所では、エージェントはこれまで見ていることしかできなかった。
ブラウザがエージェントにもたらすもの
ブラウザはユーザーのマシン上ではなく、エージェントとは分離されたLangSmithサンドボックス内でリモート実行される。開発者がブラウザを宣言すると、エージェントは自動的に4つのツールを獲得する。
| ツール | 役割 |
|---|---|
| browser_snapshot | ページのアクセシビリティツリーを読み、要素IDを割り当てる |
| browser_run | JavaScriptまたはスナップショットIDに対する一括アクションで移動・操作する |
| browser_screenshot | ページを画像としてキャプチャし、必要に応じて保存する |
| browser_handoff | サインインや二要素認証のため、ウィンドウを人間に引き渡す |
鍵となる工夫はバッチ処理だ。browser_runは、開く・入力する・クリックする・確認するという一連の操作を、アクションごとにモデルへのリクエストを支払うのではなく、1回の呼び出しにまとめられる。これにより長時間のタスクが速くなり、モデルの作業コンテキストに入るページ内容も少なくなる。デフォルトでは、各会話が独自のブラウザを持ち、ターン間で再利用され、他のスレッドのCookieやログイン情報を持たない状態で開始される。別の設定では、ユーザーごとに1つのブラウザが与えられ、そのログイン情報がすべての会話で引き継がれるため、サインインは1回で済む。
なぜサインインは引き渡しのままなのか
エージェントがログインボールや二要素認証のプロンプトにぶつかると、browser_handoffを呼び、なぜ助けが必要かを説明する。人はLangSmith Studio内のインタラクティブなブラウザカードからサインインし、制御を戻す。するとエージェントは認証済みブラウザで作業を続ける。引き渡しリンクは15分で失効し、同じ引き渡しはSlackなどのチャネルでも機能する。これは意図的な境界だ。認証情報とチェックは、エージェントがパスワードを推測したり保存したりするのではなく、人間の手に残る。
2番目の変更は長時間の作業に関するもので、非同期サブエージェントと、各スレッドがどこで始まり誰が参加しているかを記録する新しいruntime.threadレコードが加わった。アプリテスト用のプライベート接続と組み合わせると——エージェントは自身のサンドボックスでアプリを起動し、公開URLを必要とせずlocalhost経由でブラウザを向ける——用途は明確になる。APIのないウェブタスクをこなし、ユーザーがそうするようにアプリをクリックしてテストすることだ。最初の性能主張として、LangChainは自社のテストを挙げている。実際のウェブサイトでの100件のWebVoyagerタスクのうち90％を、合計1.98ドルでこなしたという。これはベンダー数値であり、LangChainは来週、テストと調整についてより詳しい説明を約束している。これを評価する人は、業務上重要なフローにブラウザエージェントを解き放つ前に、独立した再現を待つべきだ。
