LangChain v0.10: KI-Agenten bedienen Websites und delegieren Aufgaben parallel

Was LangChain am 29. Oktober veröffentlicht hat

Das am 29. Oktober 2026 veröffentlichte Update Managed Deep Agents v0.10 führt zwei Neuerungen zusammen: Browser-Werkzeuge für interaktive Websites und Subagenten, die im Hintergrund weiterarbeiten. Nach Herstellerangaben ist die verwaltete Laufzeit öffentlich als Beta zugänglich.

Es geht nicht um ein neues Sprachmodell, sondern um die Infrastruktur, die Agenten ausführt. Die Plattform verbindet Aufgabenplanung, Browser, Sandboxes, Unteraufgaben und Kommunikationskanäle. Gerade längere und unternehmensbezogene Prozesse sind auf solche Komponenten angewiesen.

Ein Browser für Webseiten ohne API

Viele Webaufgaben lassen sich nicht vollständig über APIs erledigen. Buchungsportale, Formulare und Kontooberflächen benötigen JavaScript, Klicks und einen angemeldeten Browserzustand.

LangChain stellt dafür die Tools browser_snapshot, browser_run, browser_screenshot und browser_handoff bereit. Der Browser läuft in einer gesonderten LangSmith-Sandbox. Der Agent kann Elemente erkennen, Aktionen ausführen und den nächsten Zustand prüfen.

Das ermöglicht technisch neue Workflows in einer verwalteten Umgebung. Es ist aber keine unabhängige Bestätigung, dass Buchungen oder Formulare unter realen Bedingungen zuverlässig und fehlerfrei bearbeitet werden.

Login-Übergabe statt Passwort im Agentenchat

Anmeldungen sind ein kritischer Moment für Browser-Agenten. Passwörter oder Einmalcodes sollten nicht in Modellnachrichten oder Traces erscheinen. Deshalb kann der Agent mit browser_handoff ein Browserfenster an eine Person übergeben, die sich selbst anmeldet und danach die Kontrolle zurückgibt.

Laut der offiziellen Erläuterung werden Übergabelinks zeitlich begrenzt. Anschließend kann der Agent die authentifizierte Sitzung weiter benutzen. Das verhindert ein bestimmtes Passwort-Weitergabeszenario, ersetzt aber keine technische Rechteprüfung.

Denn nach einer Anmeldung kann die Sitzung auf geschützte Seiten und Funktionen zugreifen. Unternehmen sollten explizit regeln, welche Aktionen der Agent in diesem Zustand durchführen darf und wann eine erneute Freigabe erforderlich ist.

Asynchrone Subagenten im Hintergrund

Subagenten erhalten eigene Aufgaben und Arbeitskontexte. Bisher wartete der Hauptagent innerhalb dieser Laufzeit auf den Abschluss eines synchronen Subagenten. Mit v0.10 lassen sich Unteraufgaben asynchron starten; der Hauptagent kann währenddessen weiter mit dem Nutzer arbeiten.

Hintergrundaufgaben können abgefragt, aktualisiert oder abgebrochen werden. Ergebnisse werden nach ihrem Abschluss zurückgemeldet. Ein möglicher Einsatz ist eine Marktanalyse, bei der mehrere Quellenbereiche parallel untersucht werden.

Die Dokumentation beschreibt, dass Hauptagent und Subagenten dieselbe Sandbox nutzen können. Das erleichtert Dateiübergaben, erfordert aber Schutz vor konkurrierenden Änderungen und klar definierte Zuständigkeiten.

Sitzungen, Slack und Stop-Funktionen

LangChain unterscheidet einen Browser pro Unterhaltung von einem Browser pro Nutzer. Im Standardfall starten getrennte Threads ohne die Login-Cookies anderer Unterhaltungen. Mit einer nutzerbezogenen Sitzung können Anmeldungen zwischen Threads bestehen bleiben.

Mit runtime.thread soll der Ursprung einer Aufgabe, beispielsweise ein Slack-Thread, erhalten bleiben. Geplante Aufgaben und später abgeschlossene Subagenten können Antworten wieder in den ursprünglichen Gesprächskontext bringen. Slack erhält außerdem einen Stop-Button für laufende Runs.

Ein Stoppen laufender Aufgaben ist nicht gleichbedeutend mit dem Rückgängigmachen bereits ausgeführter Aktionen. Das muss bei Käufen, Kontoänderungen oder anderen externen Effekten beachtet werden.

Die Grenzen von paralleler Arbeit

Mehr Parallelität macht einen Agenten nicht automatisch zuverlässiger oder billiger. Mehrere Subagenten können dieselben Informationen abrufen, widersprüchliche Ergebnisse produzieren oder sich beim Schreiben gemeinsamer Dateien überschneiden.

Ein fachlich aussagekräftiger Pilot sollte messen, wie viel Zeit pro korrekt angenommenem Ergebnis eingespart wird, welche Modell- und Werkzeugkosten entstehen und ob Berechtigungsgrenzen tatsächlich eingehalten werden.

AgentenCode hat keinen eigenen Managed-Deep-Agents-Benchmark durchgeführt. Die hier beschriebenen Funktionen und Verfügbarkeiten sind den datierten LangChain-Originalmitteilungen zugeordnet.

Fazit: Agenten als dauerhaft arbeitende Systeme

Managed Deep Agents v0.10 steht für eine breitere Entwicklung: Agenten arbeiten nicht mehr nur in einem synchronen Chatfenster, sondern führen länger laufende Aufgaben über Browser, mehrere Arbeitskontexte und Kommunikationsdienste aus.

Der wirkliche Fortschritt muss sich an kontrollierten Rechten, nachvollziehbaren Ergebnissen und robusten Abbruchmöglichkeiten messen lassen – nicht allein daran, wie autonom eine Demo wirkt.