LangChain: Laut Hersteller sind über 70 Prozent der Managed-Deepagent-Läufe geplant

LangChain erklärt in einem Blogpost, proaktive Agenten liefen im Kern als Cron-Tasks. Der Agent startet zu festen Zeiten, ohne dass ein Mensch ihm eine Nachricht schickt. Das Unternehmen leitet dieses Prinzip von Betriebssystemen ab, die es seit mehr als fünfzig Jahren gibt, und zeigt, wie sich das mit Managed Deep Agents (MDA) auf LangSmith umsetzen lässt.

Als Beleg führt LangChain an, dass mehr als 70 Prozent der MDA-Läufe auf LangSmith auf geplante Läufe zurückgehen, nicht auf manuell getippte Nachrichten. Die Zahl stammt vom Hersteller und bezieht sich auf die eigene Plattform. Mit dem vorliegenden Material lässt sie sich nicht unabhängig prüfen. Der Auszug nennt auch keine Bezugsgröße, etwa den Zeitraum oder die Gesamtzahl der Läufe.

Weitere Thesen stammen ebenfalls von LangChain und sind unbestätigt. Demnach gehört die Zukunft proaktiven, ambienten Agenten, Proaktivität sei „der neue Standard“, und nahezu alle aufkommenden proaktiven Systeme folgten dem Muster „Agent läuft als Cron-Task“. Die im Blogpost genannten Produkte haben wir nicht verifiziert. Auch die Aussage, MDA sei „der einfachste Weg“, Produktionsagenten ohne eigene Infrastruktur zu betreiben, ist eine Herstellerbehauptung.

Schedules im mda-CLI: öffentliche Beta, nur in der US-Region

LangChain beschreibt MDA als Weg, einen Agenten als Verzeichnis von Dateien zu bauen. LangSmith betreibt Harness und Runtime. Laut Dokumentation läuft jedes Deployment auf dem LangSmith Agent Server, mit Agent-Server-API, Threads, Runs, Streaming und MCP-Endpoint. Das mda-CLI steckt im Python-Paket managed-deepagents und deployt die Agenten per `mda deploy`, nachdem es sie kompiliert hat. Die Dokumentation führt Schedules als eigenen Workflow-Abschnitt, neben Identity, Memory, Evals, Sandboxes und Channels.

MDA ist in der öffentlichen Beta und auf LangSmith Cloud nur in der US-Region verfügbar. Das SDK ist während der Beta nicht quelloffen. Das GitHub-Repository dient als Landingpage und Issue-Tracker. Für Nutzer in der EU ist die US-only-Verfügbarkeit relevant. Welche Folgen sie für die Datenresidenz hat, geht aus dem Material nicht hervor.

Offen bleibt, was das Schedules-SDK konkret bietet. Der Inhalt der zugehörigen Seite liegt nicht vor. API, Parameter, Cron-Syntax und Limits fehlen.

Zeitsteuerung ist nicht neu: LangGraph-Crons, OpenAI und Anthropic

Zeitgesteuerte Läufe gibt es bei LangChain schon länger. Die LangGraph-Crons-API mit Methoden wie `create_for_thread` und `search` ist in der Referenz mit „Since v0.3“ markiert. Cron-Jobs enthalten dort unter anderem `cron_id`, `schedule` und `next_run_date`. Laut Referenz unterstützt der Crons-Client nicht alle Lizenzen. Neu dürfte also vor allem die Einbindung als Workflow in MDA sein. Belegt ist das nicht. Es bleibt eine Vermutung.

Auch Wettbewerber bieten Zeitsteuerung. OpenAI beschreibt Scheduled Automations mit Cron-Ausdruck und Zeitzone, die neue oder bestehende Sessions starten. Über ein optionales Tool können Agenten selbst Folgeaufgaben planen. Anthropic bietet Scheduled Tasks in Claude Code, die per Zeitplan, API oder GitHub-Ereignis auslösen. Hinzu kommen Scheduled deployments in Claude Managed Agents, bei denen Memory zwischen den Läufen erhalten bleibt. Mehr lässt sich anhand des Materials nicht vergleichen.