不会写代码也能造 AI Agent？LangChain 这个新工具让我直呼离谱不会写代码也能造 AI Agent？Lan

不会写代码也能造 AI Agent？LangChain 这个新工具让我直呼离谱

想做一个能自动帮你处理复杂任务的 AI 助手，但一看到代码就头大？

好消息：现在真的不用写代码了。

LangChain 团队刚刚正式发布了 Agent Builder，号称用聊天就能造出企业级 AI 智能体。听起来像是画饼？我花了点时间研究了一下，做了几个应用，发现这玩意儿还真有点东西。

什么是 Agent Builder？一句话说清楚

简单讲：它是一个在线平台，你用自然语言描述需求，它就帮你生成一个能干活的 AI Agent。

不是那种只会聊天的 ChatBot，而是能调用工具、执行多步骤任务、还会主动问你问题的深度智能体。

打个比方：普通聊天机器人像个只会背答案的客服，而 Agent Builder 造出来的是个能独立思考、会用工具、还懂得什么时候该请示汇报的实习生。

划重点：全程零代码，对话式构建。

底层框架：Deep Agents 是什么？

要理解 Agent Builder 的能力边界，得先聊聊它的底座——Deep Agents 框架。

Deep Agents 是 LangChain 团队基于 LangGraph V1 打造的 Agent Harness 框架。什么意思？你可以把它理解为一个专门用来「驾驭」AI Agent 的脚手架。

传统的 AI Agent 框架大多是「流程驱动」的：你预设好步骤 1、2、3，Agent 按部就班执行。但 Deep Agents 不一样，它是「目标驱动」的：

你告诉它最终目标
它自己规划执行路径
遇到问题会动态调整
必要时会主动问你

这就是为什么叫「深度」智能体——它不是在走迷宫，而是在解决问题。

[!IMPORTANT] Deep Agents 框架是开源的，Agent Builder 是基于它构建的商业化产品。如果你是开发者，可以直接用开源框架；如果你不想碰代码，Agent Builder 就是现成的解决方案。

深度智能体：2026 年的主旋律

Agent Builder 的发布不是孤立事件。如果你关注 AI 领域，会发现一个明显趋势：深度智能体正在成为各大厂商的核心战场。

就在前些天，Anthropic 发布了 Claude Cowork——可以理解为通用版的 Claude Code。它能在你的电脑上里帮你完成复杂任务，从研究分析到内容创作，全程自主执行。

OpenAI 的 Operator、Google 的 Project Mariner，都在往同一个方向发力。

为什么大家都在押注深度智能体？

因为单纯的「问答式 AI」已经到了天花板。用户真正需要的不是一个更聪明的搜索引擎，而是一个能帮他们干活的数字员工。

而「干活」这件事，需要的不只是语言能力，还需要：

理解复杂任务并拆解
调用各种工具和 API
处理中间状态和异常
知道什么时候该问人

这正是深度智能体要解决的问题。

Agent Builder 的意义在于：它把这个能力的门槛降到了最低。

以前你想造一个深度智能体，得懂 LangGraph、会写 Python、还得处理各种工程问题。现在，你只需要会打字。

它能做什么？4 个核心能力

1. 自然语言造 Agent

你只需要告诉它：我想要一个能监控社交媒体、发现热点后自动发 Slack 通知的助手。

它就会自动帮你：

生成系统提示词
配置需要的工具
规划执行流程

整个过程就像跟一个产品经理对话，你说需求，它来实现。

2. 深度智能体，不是玩具

因为底层用的是 Deep Agents 框架，Agent Builder 造出来的不是只能走固定流程的工作流，而是能：

处理复杂的多步骤任务
动态调用子智能体和技能
根据情况灵活调整执行路径

[!TIP] 如果你用过 Claude Code 的 Plan Mode，Agent Builder 的交互体验跟那个很像——AI 会主动问你问题、给你选项，而不是闷头乱干。这种「人机在环」的设计，是 LangGraph 的核心能力之一。

3. 工具生态：MCP + Skill 全支持

现在最火的 MCP（Model Context Protocol）协议，Agent Builder 已经原生支持。

你可以通过 HTTP 或 SSE 方式接入自己的 MCP Server，把各种外部工具接进来。官方还提供了一个叫 LangSmith Tool Server 的框架，帮你快速搭建自己的工具服务。

另外，最近很火的 Skill（技能）能力也支持了。虽然目前还不能直接执行本地脚本（没有 Sandbox），但你已经可以创建和管理技能来扩展 Agent 的能力边界。

4. 自定义模型：国内开发者的福音

早期版本只能用 OpenAI 和 Anthropic 的官方模型，现在终于开放了 OpenAI Compatible 和 Anthropic Compatible 接口。

这意味着什么？国内的大模型也能用了。

Qwen、Kimi、GLM、DeepSeek 这些，只要提供兼容接口，都可以接入。不过官方建议还是用 SOTA 级别的模型，毕竟 Deep Agent 对模型能力要求比较高——它需要模型有足够强的推理和规划能力。

企业级特性：不只是玩具

Agent Builder 是 LangSmith 平台的一部分，天生带着企业基因：

API 支持：每个你创建的 Agent 都自动获得 API 入口，可以用 LangGraph SDK 调用，支持 30 多个标准接口。

团队协作：可以创建私人 Agent，也可以分享给团队。

可观测性：所有运行记录都在 Tracing 里看得清清楚楚，方便调试和优化。

私有化部署：如果你对数据安全有顾虑（目前服务器在美国和欧洲），可以选择私有化部署整个 LangSmith 平台。

价格：免费能玩，但有限制

版本	Agent 数量	每月运行次数	价格
免费版	1 个	50 次	$0
Plus 版	无限	500 次	$39/月

[!NOTE] 这里的「运行次数」指的是一次完整的对话请求，不管中间调用了多少工具都算一次。对于个人开发者来说，免费版的 50 次其实够用来体验和测试了。

另外，LangSmith 平台本身还有每月 5000 次的免费 Trace 配额，评估评测功能也全部免费。

我的看法：卡位深度智能体时代

Agent Builder 代表的方向是对的：让 AI Agent 的创建门槛降到最低，让不会写代码的人也能参与到 AI 应用的构建中来。

从更大的视角看，这是 LangChain 在深度智能体赛道的重要卡位。当 Anthropic 有了 Claude Cowork、OpenAI 有了 Operator，LangChain 作为 AI 应用开发的基础设施提供商，必须拿出自己的答案。

Agent Builder + Deep Agents 框架，就是这个答案。

但说实话，现在还有一些限制：

不能执行本地脚本（没有 Sandbox）
MCP 工具需要部署到线上才能用
服务器在海外，国内访问体验可能不太好

它更像是一个在线版的 Claude Code，只不过目前功能还没那么强。但按照 LangChain 团队的迭代速度，这些问题应该会逐步解决。

如果你对深度智能体感兴趣，Agent Builder 是目前最直观的体验方式——不用搭环境、不用写代码，直接上手感受「AI 帮你干活」是什么体验。

2026 年，深度智能体会是 AI 应用的主战场。现在入场，刚刚好。

不会写代码也能造 AI Agent？LangChain 这个新工具让我直呼离谱