Deepnote 于 2026 年 8 月 3 日发布 Deepnote Agent Workspace，一个让 data team 和 agents 在同一共享环境工作的产品。它的定位不是单纯把聊天机器人接到 warehouse，而是把可信分析、业务上下文、可复用技能和持续执行的工作流放在同一个 workspace。
Deepnote 将当前企业 data agent 的共同结构整理成四部分：先限定可信的数据来源，再写清楚指标和业务语义，将做事方法拆成可复用的 procedures 或 skills，最后提供一个让人 review、控制权限和保留执行记录的界面。这个拆法有助于分开「agent 知道什么」和「agent 应该怎样做」，避免每次分析都从聊天记录重新开始。
Agent Workspace 的三个主要 building blocks 是 skills、agents 和 apps。Skills 代表 agent 可以使用的知识、规则、数据来源和权限；agents 是连同 instructions、SQL、integrations 和 tables 的执行环境，可以即时使用、调度或由 API 触发；apps 则把结果带给不会主动打开 notebook 的用户。Deepnote 表示，这三层由超过 100 个原生 integrations、Salesforce 和 Linear 等 MCP 连接器，以及自定义 MCP 连接起来。
平台也把工作入口由 notebook 扩展到 Codex、Claude Code、其他 IDE、Slack、terminal 和 API。这种设计把 workspace 的数据连接和权限带到 agent 所在的地方，理论上可以减少个人 API key 散落在 script 和自动化流程中的情况。不过实际效果仍取决于每个 integration 的权限范围、数据新鲜度和组织的审计要求。
Deepnote 将 notebook 称为 executable markdown：叙事、代码、权限和执行环境放在同一份文件。当分析结果自动成为下一次 agent 工作的 context，团队便可以把一次性分析逐步变成技能、调度任务或 app。这个方向尤其适合需要重复产生报表、监测指标、解释异常和把结果交给不同部门的工作。
这次发布另一个值得留意的讯号，是 Deepnote 把 agent 建设描述成 specification 和 evaluation 问题，而不只是 implementation 问题。真正的 domain knowledge 在业务团队，数据团队则负责把它整理成有权限、可测试、可追踪的 skills、agents 和 apps。换句话说，context layer 需要有人负责维护，而不是一次接好数据库便自然可靠。
Deepnote Agent Workspace 仍然是产品方的功能发布，integrations、MCP 支持、调度和 Codex 连接的实际可用范围需要按账户和方案核对。它最清楚的价值主张，是把「共享上下文」变成一个可管理的工作区，让 data agent 不只回答问题，还能在固定数据、规则、权限和 review 流程下持续工作。
