LangChain выложила рекламного агента: песочница, skills и один runtime

Редакция 14 сентября 2026 г.

Агент в Slack разбирает рекламные кампании за столом с песочницой, skills и вики вместо перегруженного системного промпта.

LangChain выложила в open source Paid Media Agent — агента для рекламных кампаний, который команда собирала полгода под свой маркетинг.

Результат: paid media с нуля до 20% пайплайна. CPL с июня по август упал на 30% при росте бюджета примерно на 60%; на LinkedIn стоимость лида на 40% ниже, чем в январе. Аналитику перенесли внутрь команды — экономия около $5K в месяц вместо агентства.

Агент живёт в Slack. По понедельникам стыкует данные рекламных площадок с лидами из хранилища, постит сводку и PDF. В тредах отвечает на вопросы и предлагает правки кампаний — финальное слово за человеком.

Рабочее место вместо жирного промпта

Harness на Deep Agents: каждый запуск получает LangSmith Sandbox — изолированную microVM с диском 32 ГБ и shell. Внутри pandas, DuckDB, openpyxl, WeasyPrint и Jinja2 для отчётов.

Контекст разложен по шести skills и вики на 19 страниц; снимок окружения ускорил старт песочницы на 10 секунд. Промпт — не энциклопедия, а карта: роль в одной строке, три коротких блока про работу, источники цифр и формат вывода. Живые данные — 218 вызовов инструментов по запросу; расчёты и жёсткие ограничения — в коде.

Один runtime вместо двух графов

Пять недель держали два графа: тяжёлый понедельничный отчёт с песочницей и лёгкий Slack-цикл без sandbox. Каждая фича писалась дважды, Slack не открывал PDF и не отвечал на вопросы к понедельничному отчёту.

Решение — один граф на каждый запрос с разными профилями возможностей. Cron по понедельникам видит только task() с делегированием субагентам по платформам; упоминания в Slack получают чтение, warehouse и операции с кампаниями. Хостинг и расписание — через LangSmith Deployment.

Ранняя версия еженедельного анализа грузила все строки кампаний в контекст и просила модель считать расходы сама — отчёт шёл 18 минут и стоил в 40 раз больше. После переноса вычислений в код тот же сценарий уложился в 85 секунд. Разбор на вебинаре GTM Engineering Live — 23 сентября, 11:00 по тихоокеанскому времени.

Источник: How We Built LangChain's Paid Media Agent.