AI-modeller og platforme

LangChain bringer LangSmith BYOC-betaen til Azure og Google Cloud

mm
Føj Unite.AI til dine foretrukne kilder på Google

LangChain meddelte den 3. november 2026, at LangSmith Bring Your Own Cloud (BYOC) nu er tilgængelig i betaversion på Microsoft Azure og Google Cloud. Dermed udvides den administrerede udrulningsmulighed ud over AWS, hvor løsningen er alment tilgængelig.

BYOC holder følsomme LangSmith-data og agentudrulninger på kundens cloudkonto. Virksomheden bag platformen, LangChain, administrerer dataplanet, herunder orkestrering, skalering og platformopdateringer. Løsningen er beregnet til organisationer, der ønsker den datalokalisering og netværksisolering, som LangSmith med selvhosting giver, uden selv at skulle drive hele platformen.

AWS var den første platform, løsningen blev lanceret på. LangChains meddelelse den 12. august 2026 introducerede BYOC til virksomheder, der ønskede en administreret udrulning på deres egen AWS-konto og i deres eget VPC, især teams med strenge krav til datastyring.

Sådan opdeler BYOC LangSmith

BYOC opdeler platformen i et kontrolplan, der drives af LangChain, og et dataplan, som ejes af kunden. Kontrolplanet indeholder godkendelse, konfiguration af organisationer og arbejdsområder, faktureringsmetadata, hashværdier for API-nøgler og statiske grænsefladeressourcer. Dataplanet indeholder spor, prompts, datasæt, eksperimenter, agentudrulninger og hemmeligheder for arbejdsområder.

En organisation kan have flere dataplans i forskellige konti og regioner med arbejdsområder i hvert af dem. Denne struktur gør det muligt at adskille efter region, miljø eller forretningsenhed. Et platformteam kan eksempelvis køre produktion og testmiljøer i separate AWS-konti, mens en forretningsenhed, der har standardiseret på Azure, driver sin egen udrulning.

Modellen ændrer også den arbejdsbyrde, der er forbundet med opgraderinger af LangSmith med selvhosting. Teams med strenge krav til overholdelse af regler var tidligere nødt til at få platformingeniører til at rette fejl i tilstandsbaserede tjenester, konfigurere databaser, udføre skemamigreringer og koordinere tilpassede Helm-udrulninger. Med BYOC bliver dataene i kundens virtuelle netværk, mens LangChain håndterer skalering, skemaopdateringer og afhængigheder ved kørsel.

LangChain oplyste, at AWS-kunder fremhævede løbende opgraderinger, hurtigere adgang til nye LangSmith-funktioner end med udgivelsescyklussen for versionen med selvhosting samt automatisk skalering som de vigtigste fordele.

Cloudarkitektur og sikkerhedsansvar

Alle tre cloudplatforme understøtter Managed Deep Agents-endpoints i BYOC-dataplan, men implementeringerne bruger hver udbyders egne netværks- og sikkerhedskomponenter.

På Azure kører dataplanet i et dedikeret virtuelt netværk med et privat AKS-API-endpoint. Istio og KEDA udrulles via Helm til indgående trafikstyring og hændelsesbaseret skalering, og systemtelemetri sendes til Azure Monitor. LangChain oplyser, at understøttelse af LangSmith Sandboxes på Azure kommer snart. Dataplans på Google Cloud kan ved lanceringen køre i enhver region, men administreres fra LangSmiths amerikanske kontrolplan; ressourcenavne med afgrænsning til navnerum skal forhindre konflikter med eksisterende infrastruktur.

AWS understøtter brug af et eksisterende VPC, hvor databasen placeres i undernet, som kunden selv vælger. Sikkerhedsteams kan knytte deres egne sikkerhedsgrupper til applikationsroller, så dataplanet kan indpasses i eksisterende politikker for inspektion af indgående og udgående trafik.

På AWS går kommunikationen mellem planerne via to PrivateLink-forbindelser, og LangChain tilgår ikke kundens miljø via det offentlige internet. Anmodninger om følsomme data går direkte fra browseren eller klienten til kundens dataplan. IAM-rollen på tværs af konti kan klargøre og administrere infrastruktur, men den har ingen s3:GetObject adgang til sporingsbucketen, ingen rds-db:connect adgang til PostgreSQL og ingen elasticache:Connect adgang til Redis.

På AWS betyder modellen for delt ansvar, at kunden har ansvaret for styring af cloudkontoen, intern forbindelse, adgangspolitikker, sikkerhedsovervågning på kundesiden og overholdelse af regler. LangChain driver og opdaterer de administrerede komponenter. Fejlfinding i forbindelse med hændelser kan kræve nødadgang, som kunden skal godkende; efter adgangen gives en opsummering med tidsstempler, udførte handlinger og eventuelle data, der er tilgået.

Migrering og adgang

For organisationer, der skifter fra LangSmith med selvhosting, kopierer migreringsværktøjet med åben kildekode brugere og roller, datasæt, eksperimenter, prompts, konfiguration af annoteringskøer, automatiseringsregler, dashboards og Fleet-ressourcer. Værktøjet kopierer dataene i stedet for at flytte dem, så kildeinstansen forbliver uændret og aktiv. Migreringsdokumentationen beskriver også manuelt arbejde: Udrullede agenter skal udrulles igen, Insights-rapporter overføres ikke mellem instanser, og ved Fleet-migreringer skal hemmelighedsværdier indtastes igen, og OAuth-forbindelser for hver bruger skal genoprettes.

Spor, kørsler og feedback håndteres gennem en særskilt proces, som LangChain driver med interne værktøjer. Spormigrering understøttes på AWS, mens værktøjet med åben kildekode ikke migrerer spor.

Terraform-modulerne bag BYOC og migreringsværktøjet er offentligt tilgængelige. LangChain oplyste, at LLM Gateway i dataplanet som standard understøtter modeller fra 11 udbydere samt alle endpoints, der er kompatible med OpenAI eller Anthropic. For at klargøre et BYOC-dataplan på AWS, Azure eller Google Cloud skal man kontakte LangChains salgsafdeling.

For virksomheder betyder det i praksis, at de får flere muligheder for at placere datagrænsen uden at overdrage styringen af cloudmiljøet: LangChain kan drive LangSmith flere steder, mens kundernes teams fortsat har ansvaret for kontostyring, overvågning, compliance og flere af migrationsopgaverne.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.