Managed Deep Agents v0.9: как настроить cron-расписание для агента

В версии Managed Deep Agents v0.9 появилась нативная поддержка запуска агентов по расписанию через cron-выражения. В этой статье мы разберем, как автоматизировать регулярный сбор данных из сети с помощью срезAI и отправку отчетов в Slack.

Виталий Болгар3 мин чтенияManaged Deep AgentsLangSmithавтоматизациясрезAI

Managed Deep Agents (MDA) v0.9 - это хостед-рантайм для агентов, который делегирует выполнение задач облачной инфраструктуре LangSmith. Обновление октября 2026 года добавило возможность статического и динамического управления расписаниями. Теперь агент работает как автономный сервис мониторинга: он использует живой веб-поиск срезAI для сбора данных из Рунета без участия человека.

Как это работает: структура проекта

Все декларации расписаний должны находиться в папке schedules/ в корне вашего проекта. Имя файла станет идентификатором задачи в панели управления LangSmith. Каждый такой модуль экспортирует переменную schedule, созданную через функцию define_schedule из пакета managed_deepagents версии 0.4.0 или выше. Это не сработает - если вы используете устаревшую библиотеку, так как метод просто не будет распознан системой.

Схема работы cron-расписания в программной среде
Типовая архитектура планировщика задач: от триггера до выполнения функции.

Пример: ежедневный дайджест новостей со срезAI

Предположим, агент каждое утро в 8:00 по Москве ищет новости технологий через срезAI и присылает сводку в Slack. Внутри процесса headless-браузер чистит динамический контент страниц и переводит его в Markdown для модели. Я сам потратил время, пока не понял, что время в конфиге всегда указывается по UTC, если не задано обратное.

python
from managed_deepagents import define_schedule # schedules/daily_digest.py
schedule = define_schedule( cron="0 5 * * 1-5", # 8:00 MSK (5:00 UTC) timezone="UTC", prompt="Найди последние новости о LangChain за 24 часа через срезAI и напиши сводку.", deliver_to={ "channel": "slack", "to": { "type": "provider_conversation", "conversation_id": "C0123456789" # ID вашего канала } }
)

Получите 100 ₽ на баланс при регистрации - этого хватит на 1000 запросов к поисковому API для вашего агента.

Попробовать срезAI

Важные нюансы работы с памятью

По умолчанию расписания используют режим ephemeral. Для каждого запуска создается чистый поток (thread), который удаляется сразу после выполнения задачи. Это подходит для разовых отчетов. Чтобы агент сохранял контекст предыдущих дней, включите persistent режим. В этом случае придется заранее создать UUID треда в LangSmith Studio и вписать его в конфигурацию.

Локальная отладка и деплой

Команда mda dev найдет файлы в папке schedules/ и выведет их список в приветственном баннере. Но она не запустит задачи. Расписания активируются только после команды mda deploy. Для проверки логики работы агента скопируйте текст из prompt в локальный чат LangSmith Studio.

Можно ли изменить расписание без передеплоя?

Статические файлы в папке schedules/ обновляются только через mda deploy. При этом версия 0.9 разрешает создавать динамические задачи через API schedules.create прямо во время работы агента.

Почему мой агент не запускается локально через mda dev?

Локальный сервер только проверяет синтаксис.

Какие лимиты на частоту запусков?

LangSmith ограничивает проект 50 активными расписаниями. Минимальный интервал запуска составляет 1 минуту, согласно стандарту cron.

Как отправить результат в личные сообщения Slack, а не в канал?

В поле conversation_id нужно передать ID приватного чата с ботом. Предварительно убедитесь, что Slack-приложение имеет права на отправку сообщений этому пользователю.

Свой веб-доступ для агента: поиск, чтение страниц и извлечение данных по одному ключу.

Читайте также