Deep Agents v0.6의 새로운 기능

Deep Agents v0.6는 모델 계층, 에이전트 계층, 확장성, 장기 실행 성능을 중심으로 5가지 핵심 기능을 출시했다.

코드 인터프리터는 에이전트가 도구를 조합하고 상태를 관리하며 모델 컨텍스트에 전달할 내용을 제어할 수 있는 경량 런타임이다. 샌드박스가 환경에 대한 코드 우선 작업 방식이라면, 인터프리터는 에이전트 루프 내부에서의 코드 우선 작업 방식이다. 이를 통해 **Programmatic Tool Calling(PTC)**이 가능해져 중간 결과가 모델 컨텍스트를 거치지 않고 런타임 상태에 유지되므로 토큰 소비가 줄고 불필요한 모델 왕복이 감소한다. Anthropic이 API 동작으로 추가해 대중화한 패턴이지만, 이제 인터프리터를 통해 오픈소스 모델을 포함한 모든 모델에서 구현할 수 있다.

재귀 워크플로우도 가능하다. 에이전트는 질문 큐를 유지하고, 다음 질문에 대해 하위 에이전트를 호출하고, 결과를 저장하고, 그 결과에서 후속 작업을 생성하며, 답변을 종합할 충분한 증거를 확보할 때까지 계속할 수 있다. 이는 Recursive Language Models(RLM) 개념과 인접하다.

Harness 프로파일은 Kimi K2.6, GLM 5.1, DeepSeek V4 같은 오픈 웨이트 모델을 프로덕션 에이전트 작업에 활용 가능하게 만들며, 비용은 폐쇄형 프론티어 모델 대비 20배 이상 저렴하다. 자체 테스트에서 harness 계층 변경만으로 gpt-5.2-codex가 Terminal-Bench 2.0에서 52.8%→66.5%로 향상되었고, tau2-bench에서는 프롬프트와 미들웨어가 모델 변경 없이 10~20점을 이동시켰다. Harness 프로파일은 모델별 오버라이드를 명명되고 버전 관리 가능한 단위로 캡처하여 튜닝 작업이 지속되도록 한다.

스트리밍은 stream_events(..., version="v3")를 통해 메시지 텍스트, 추론 블록, 도구 호출, 상태 업데이트, 하위 그래프, 하위 에이전트, 커스텀 채널 및 최종 출력에 대한 타입화된 이벤트 스트림을 제공한다. 새로운 Agent Streaming Protocol과 정렬되며, LangGraph SDK는 client.threads.stream(...)을 통해 원격 이벤트 스트리밍을 노출한다. @langchain/react, @langchain/vue, @langchain/svelte, @langchain/angular용 v1 프레임워크 통합도 함께 출시되었다.

Delta 채널은 전체 스냅샷 대신 diff만 저장하여 체크포인트 스토리지를 최적화한다. 대화 길이와 컨텍스트 크기에 따라 10~100배 스토리지 감소가 가능하다. 200턴의 시뮬레이션된 멀티파일 코딩 세션 실험에서 delta 채널 없이는 5.27GB의 체크포인트 스토리지가 누적되었지만, delta 채널 사용 시 129MB로 감소했다.

ContextHub Backend는 LangSmith 기반 파일시스템으로, 프롬프트, 스킬, 기타 컨텍스트에 대한 개선 사항이 실행 간에 이어지도록 버전 관리되는 저장소를 제공한다. 에이전트는 Hub 리포지토리에서 읽고 쓸 수 있으며, 이러한 쓰기는 히스토리, 리뷰, 환경 태깅이 포함된 커밋으로 기록된다.