Imagina ter o poder do Claude Code na sua software house, mas sem ficar preso a um único provedor de IA. Sem pagar por token. Sem vendor lock-in. E com o respaldo da LangChain e da NVIDIA.
Parece bom demais? Pois é exatamente isso que o Deep Agents está fazendo — e em menos de 8 meses já acumulou 18.600 stars no GitHub, com 104 contributors e 77 releases.
Na minha experiência com 300+ software houses, a maior barreira para adoção de coding agents não é o preço. É a dependência. CEOs me dizem: “Thulio, e se a Anthropic mudar o pricing? E se o modelo piorar? E se meu time ficar viciado em Claude Code e amanhã não der mais pra pagar?”
O Deep Agents é a resposta open-source pra essa angústia.
O Que é o Deep Agents
O Deep Agents é um agent harness open-source criado por Harrison Chase, CEO da LangChain — sim, o cara por trás de um dos frameworks de IA mais usados do mundo.
A história é quase cinematográfica: Harrison fez reverse engineering do Claude Code pra entender o que exatamente faz um coding agent ser eficaz. A conclusão dele? “Não é o modelo que faz a diferença. É a arquitetura ao redor.”
E essa arquitetura — o “harness” — é exatamente o que o Deep Agents entrega: planning, filesystem, sub-agents, context management, sandboxing. Tudo numa framework que funciona com qualquer LLM: GPT-5, Claude, DeepSeek, Llama, Nemotron, o que você quiser.
Números do projeto:
- 18.600 stars no GitHub
- 2.600 forks
- 104 contributors
- 77 releases em 8 meses
- 1.283 commits
- Licença MIT (use como quiser)
O Problema Que Resolve
Vou ser direto: coding agents como Claude Code e Cursor são absurdamente bons. Mas eles te amarram.
Sua software house começa a usar Claude Code. Seu time fica produtivo. Seus processos se adaptam. E de repente você está pagando R$ 50 mil por mês em tokens e não consegue trocar de provedor porque todo seu workflow depende de um único vendor.
O Deep Agents resolve isso de três formas:
- Model-agnostic — Troca de Claude pra GPT pra DeepSeek sem mudar uma linha de código
- Self-hosted — Roda na sua infra, seus dados ficam com você
- Extensível — Crie tools customizados, integre com MCP, adicione sub-agents pro domínio do seu cliente
Como Funciona
Instalar é trivial:
pip install deepagentsDepois, é só rodar no terminal:
deepagentsE pronto — você tem uma interface interativa tipo Claude Code, mas rodando com o LLM que você escolher.
Para quem quer usar como SDK:
from deepagents import create_deep_agent
agent = create_deep_agent(
model="gpt-5",
tools=[read_file, write_file, execute],
prompt="Refatore o módulo de autenticação"
)O fluxo interno é:
- Planning — O agente decompõe a tarefa em sub-tarefas via write_todos
- Execution — Cada sub-tarefa usa tools (filesystem, shell, web search)
- Sub-agents — Tarefas complexas são delegadas para agentes especializados com contextos isolados
- Context Management — Auto-summarization evita estourar o context window
Os Benchmarks Que Importam
Aqui é onde fica interessante. No Terminal Bench 2.0 (o benchmark mais usado pra avaliar coding agents), o Deep Agents alcançou:
- 66.5% com GPT-5.2-Codex
- 59.6% com Claude Opus 4.6
- 42.65% com Claude Sonnet 4.5 — on par com o próprio Claude Code usando o mesmo modelo
Mas o dado mais revelador: o Deep Agents melhorou de 52.8% pra 66.5% SÓ otimizando o harness, sem trocar de modelo.
Isso confirma a tese do Harrison Chase: o modelo é commodity. O harness é o diferencial.
E isso é uma notícia incrível pra quem roda software house. Porque significa que você não precisa do modelo mais caro do mercado — precisa da arquitetura certa.
A Partnership Com a NVIDIA
Em março de 2026, durante o GTC, a LangChain anunciou uma partnership com a NVIDIA. O Deep Agents agora roda dentro do NVIDIA OpenShell — um sandbox GPU-accelerated com:
- Sandboxing isolado por execução
- Policy Engine (controle granular de filesystem, network, processos)
- Privacy Router (dados nunca saem do ambiente)
Quem está usando? Adobe, Atlassian, Box, Cisco, CrowdStrike, SAP, Salesforce, Siemens, ServiceNow.
Se a sua software house atende clientes enterprise que precisam de segurança e compliance, esse é o caminho. Deep Agents + OpenShell = coding agent enterprise-ready.
Como Usar Na Sua Software House
Na prática, eu vejo 5 cenários imediatos:
1. Coding agent próprio da sua empresa
Em vez de cada dev pagar $200/mês no Claude Pro, rode o Deep Agents com um modelo open-source (DeepSeek V4, Llama 4) na sua infra. Custo marginal perto de zero.
2. Agentes especializados por cliente
Criou um ERP pro setor de saúde? Monte um agente Deep Agents especializado nesse domínio, com tools que entendem as regras de negócio do cliente.
3. CI/CD com IA
O modo headless permite rodar agentes em pipelines automatizadas. Code review, testes, refactoring — tudo sem humano no loop.
4. Proposta de valor para clientes enterprise
“Nosso agente de IA roda dentro do NVIDIA OpenShell com políticas de segurança enterprise.” Isso fecha contrato.
5. Sem vendor lock-in como argumento de venda
Se o cliente quer trocar de provedor de IA amanhã, seu sistema continua funcionando. Isso é diferencial competitivo real.
O Que Eu Penso
Vou ser honesto: quando vi o Deep Agents pela primeira vez, pensei “mais um clone do Claude Code”. Estava errado.
O que o Harrison Chase fez foi algo mais profundo. Ele pegou a arquitetura que funciona (planning + tools + sub-agents + context management), provou com benchmarks que o harness importa mais que o modelo, e entregou isso como open-source com licença MIT.
Pra quem roda software house, a mensagem é clara: pare de escolher o modelo e comece a investir na arquitetura ao redor dele. O modelo vai ficar melhor e mais barato a cada 6 meses. O harness que você constrói hoje é o que vai dar vantagem competitiva amanhã.
E com a partnership NVIDIA, o Deep Agents não é mais só “um projeto legal do GitHub”. É infraestrutura enterprise. Adobe e SAP já estão usando. Sua software house também deveria estar olhando pra isso.
Para Começar
- Repositório: github.com/langchain-ai/deepagents
- Instalação:
pip install deepagents - Licença: MIT (use como quiser, inclusive comercialmente)
- Stars: 18.600+ e crescendo
Se você quer implementar esse nível de IA na sua software house e não sabe por onde começar, esse é um bom ponto de partida. É open-source, é gratuito, e funciona com qualquer modelo.
Sou Thulio, mentoro 300+ SHs desde 2016.
