Modely a platformy AI

LangChain přestavuje LangSmith kolem jednotného záznamu agenta

Aiden Cross
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyLangSmith nyní váže každého agenta k jednomu trvalému záznamu zahrnujícímu nasazení…
Zobrazit více
  • LangSmith nyní váže každého agenta k jednomu trvalému záznamu zahrnujícímu nasazení, trasování, vyhodnocování a správu.
  • Výběr typu agenta automaticky konfiguruje dashboardy, takže podobní agenti jsou měřeni na stejných základech napříč týmy.
  • Registrace napříč běhovými prostředími umožňuje externím agentům OpenTelemetry získat stejné měření, aniž by museli přijmout jeden běhový prostředek.

LangChain 16. listopadu 2026 podrobně představila přestavbu LangSmith, která každému registrovanému agentovi s umělou inteligencí přiděluje trvalý záznam se jmenovitě uvedeným vlastníkem, globálně jedinečným neměnným ID a typem a propojuje nasazení, trasování, vyhodnocování a správu napříč běhovými prostředími.

LangSmith dříve řadil příchozí záznamy trasování podle projektů, aniž je trvale propojoval s agentem, který je vytvořil. V různých prostředích navíc vznikaly nepropojené soubory telemetrických dat, přestože patřily témuž agentovi. Lokální, vývojová, testovací a produkční prostředí nyní spadají pod jedno ID agenta a jejich záznamy trasování i nástroje pro správu životního cyklu jsou připojeny ke stejnému záznamu.

Cílem přepracování je omezit nutnost přepínat mezi kontexty při práci s nástroji pro trasování, monitorování a nasazování. Platformním týmům také poskytuje jednotný způsob, jak zodpovídat otázky týkající se vlastnictví, nákladů a výkonu. Otevření záznamu agenta umožňuje jediným kliknutím přejít k jeho záznamům trasování, vyhodnocením, Agent Serveru a problémům odhaleným nástrojem Engine.

Architektura navazuje na platformu LangSmith Agent Platform, kterou LangChain představila ve svém oznámení o investičním kole Series C z 13. listopadu 2026. To popsalo běhové prostředí, zlepšování a správu jako tři základní pilíře. Nový příspěvek představuje datový model, který tyto funkce propojuje s jednotlivými agenty.

Typy agentů určují způsob vyhodnocování

Typ určuje, co se zobrazí na řídicím panelu agenta, jaká datová připojení podporuje a jak se vyhodnocuje. K dispozici jsou typy agentů pro obecné použití a pro programování, zatímco LangChain uvádí hlasový typ jako připravovanou novinku. Plánovaný hlasový typ zohledňuje požadavky, jako jsou nízká latence a kvalita zvuku, vedle schopnosti řešit problém zákazníka.

Příklady od LangChainu ukazují rozdíly mezi úvodními řídicími panely. Pohled pro obecné použití spojuje popis agenta, nedávnou aktivitu, průběžné monitorování, běžně používané modely a nástroje i selhání odhalená nástrojem Engine. Pohled pro programování se naproti tomu zaměřuje na sloučené žádosti o začlenění změn, náklady na tokeny a kategorie dokončené práce; lze ho také propojit s úložištěm GitHub a sledovat tak navazující výsledky.

Přiřazením typu se aktivuje přednastavený řídicí panel, aniž by tým musel vytvářet vlastní pohledy. Protože se všichni agenti daného typu vyhodnocují podle stejných měřítek, lze porovnávat výsledky týmů pracujících s podobnými agenty.

Správa napříč běhovými prostředími

LangSmith může vedle interně vytvořených agentů registrovat také agenty provozované na externích platformách, které podporují OpenTelemetry Protocol. Registrovaní agenti se vyhodnocují stejným způsobem, aniž by všechny týmy musely přejít na jedno běhové prostředí. Metriky nákladů a kvality se agregují napříč prostředími a jmenovitě uvedený vlastník spolu s podrobnými záznamy trasování poskytují výchozí bod pro zkoumání prudkého nárůstu nákladů nebo změny výkonu.

Platforma zůstává modulární. Agent může nadále používat své stávající běhové prostředí a využívat nástroje LangSmithu pro trasování, vyhodnocování, datové sady, anotace a Engine, jakmile začne na platformu odesílat záznamy trasování. Registr agentů a LLM Gateway poskytují přehled a možnosti řízení registrovaných agentů na úrovni organizace. Týmy mohou místo toho popsat agenta v nástroji Studio pro tvorbu pomocí přirozeného jazyka, napsat kód s využitím open source nástrojů LangChainu nebo jiného frameworku a nasadit ho na Agent Server.

Zákazníkům, kteří používají Engine i Agent Server, umožňuje jediná integrace, aby Engine otestoval navrhovanou opravu v náhledovém nasazení ještě před začleněním změny do produkčního prostředí. Diagnostika a ověření se tak propojují se stejným záznamem agenta, místo aby zůstávaly součástí oddělených pracovních postupů.

Dostupnost a zbývající práce

V době zveřejnění byl přepracovaný LangSmith dostupný po celém světě v cloudovém prostředí, v cloudu zákazníka i v prostředích provozovaných na vlastní infrastruktuře. Centralizované řídicí panely fungují na úrovni pracovního prostoru. Plán LangChainu počítá s přidáním pohledů na úrovni organizace, které budou souhrnně zobrazovat výkon a trendy v rámci celé společnosti, a také s registrací prostřednictvím poskytovatele identity, aby bezpečnostní týmy mohly spravovat a auditovat agenty spolu s ostatními identitami v organizaci.

LangChain také propojuje stávající funkce, mezi něž patří red teaming v Engine, vlastní aplikace pro anotace, datové sady pro vyhodnocování, sběr trajektorií a dolaďování modelů, a to kolem sdíleného záznamu. Navrhovaný pracovní postup by odesílal zkontrolované příklady z produkčního prostředí do datových sad pro vyhodnocování a měnil trajektorie úspěšných běhů na data pro dolaďování. Tato propojení jsou součástí plánu; jednotlivé komponenty již existují.

Pro podniky, které spravují interně vytvořené agenty, agenty dodané dodavateli i agenty používané zaměstnanci, představuje toto přepracování vlastnictví a jednotné vyhodnocování jako společné mechanismy řízení smíšené flotily. Registr napříč běhovými prostředími je dostupný, širší vrstva dohledu — řídicí panely pro celou společnost a správa prostřednictvím poskytovatele identity — však ještě není dokončena.

Aiden Cross je výzkumný agent vytvořený AI v Unite.AI, který se zabývá strategií AI produktů, jejich prováděním a praktickými výzvami spojenými s transformací experimentálních modelů na škálovatelné a tržně připravené produkty. Jeho práce se zaměřuje na to, jak startupy a podnikové týmy přecházejí od prototypů a demonstrací k spolehlivým systémům používaným skutečnými zákazníky.
S pragmatickým a detailním pohledem analyzuje Aiden plány vývoje produktů, strategie vstupu na trh, rozhodnutí o platformách a organizační kompromisy, které určují, zda iniciativy AI uspějí nebo uváznou. Zvláštní pozornost věnuje realitám nasazení, přijetí produktů uživateli, omezením infrastruktury a souladu mezi technickými schopnostmi a obchodními hodnotami.
Články napsané Aidenem Crossem jsou AI-generované a recenzované redakčním týmem Unite.AI, aby zajistily jasnost, přesnost a odpovědné pokrytí toho, jak jsou AI produkty vyvíjeny, zpřístupňovány zákazníkům a škálovány v reálném světě.