AI-modellen en platforms

LangChain bouwt LangSmith opnieuw op rond één uniform agentrecord

Aiden Cross
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenLangSmith koppelt nu elke agent aan één persistent record dat deployment, tracing…
Meer weergeven
  • LangSmith koppelt nu elke agent aan één persistent record dat deployment, tracing, evaluatie en governance omvat.
  • De selectie van het agenttype configureert dashboards automatisch, zodat vergelijkbare agents binnen teams op identieke basis worden gemeten.
  • Registratie over verschillende runtimes zorgt ervoor dat externe OpenTelemetry-agents dezelfde meting ontvangen zonder één runtime te hoeven aannemen.

LangChain lichtte op 16 november 2026 een herbouw van LangSmith toe. Elke geregistreerde AI-agent krijgt daarin een blijvend record met een benoemde eigenaar, een wereldwijd uniek en onveranderlijk ID en een type. Zo worden implementatie, tracering, evaluatie en governance met elkaar verbonden, ongeacht de runtime.

Voorheen ordende LangSmith binnenkomende traces per project, zonder een blijvende koppeling met de agent die ze had gegenereerd. Afzonderlijke omgevingen leverden ook niet-gekoppelde verzamelingen telemetrie op, zelfs wanneer ze bij dezelfde agent hoorden. Lokale, ontwikkel-, staging- en productieomgevingen vallen nu onder één agent-ID, waarbij hun traces en tools voor de hele levenscyclus aan hetzelfde record zijn gekoppeld.

Het herontwerp moet ervoor zorgen dat engineers minder vaak hoeven te schakelen tussen tools voor tracering, monitoring en implementatie. Platformteams krijgen er bovendien een consistente manier bij om vragen over eigenaarschap, kosten en prestaties te beantwoorden. Vanuit een agentrecord zijn de bijbehorende traces, evaluaties, Agent Server en door Engine aan het licht gebrachte problemen met één klik toegankelijk.

De architectuur bouwt voort op het LangSmith Agent Platform, dat werd geïntroduceerd in de aankondiging van LangChains Series C-financieringsronde op 13 november 2026. Daarin werden runtime, verbetering en governance als drie pijlers gepresenteerd. Het nieuwe bericht beschrijft het gegevensmodel dat deze functies aan individuele agents koppelt.

Agenttypen bepalen de evaluatie

Het type bepaalt wat er op het dashboard van een agent verschijnt, met welke gegevensbronnen de agent verbinding kan maken en hoe deze wordt geëvalueerd. Er zijn typen voor algemene doeleinden en voor codering beschikbaar; spraak staat volgens LangChain nog op de planning. Bij het geplande spraaktype spelen naast het oplossen van het probleem van een klant ook vereisten als lage latentie en audiokwaliteit een rol.

De voorbeelden van LangChain laten zien hoe de eerste dashboards van elkaar verschillen. Een dashboard voor algemene doeleinden combineert de beschrijving van een agent en recente activiteit met live monitoring, veelgebruikte modellen en tools, en door Engine vastgestelde fouten. Een dashboard voor codering legt juist de nadruk op samengevoegde pull requests, tok kosten en categorieën van afgerond werk. Het kan ook verbinding maken met een GitHub-repository om vervolgresultaten bij te houden.

Door een type toe te wijzen, wordt een vooraf geconfigureerd dashboard geactiveerd; het team hoeft dus geen eigen weergaven samen te stellen. Omdat elke agent van een bepaald type op dezelfde manier wordt beoordeeld, kunnen teams de resultaten vergelijken van agents die op elkaar lijken.

Governance voor verschillende runtimes

LangSmith kan agents registreren die draaien op externe platforms met ondersteuning voor het OpenTelemetry Protocol, naast agents die intern zijn ontwikkeld. Alle geregistreerde agents worden op dezelfde manier beoordeeld, zonder dat elk team één runtime hoeft te gebruiken. Kosten- en kwaliteitsstatistieken worden over omgevingen heen samengevoegd. De benoemde eigenaar en gedetailleerde traces bieden een beginpunt om een plotselinge kostenstijging of verandering in prestaties te onderzoeken.

Het platform blijft modulair. Een agent kan op de bestaande runtime blijven draaien en de tools van LangSmith voor tracering, evaluatie, datasets, annotatie en Engine gebruiken zodra de agent traces naar het platform stuurt. Het agentregister en LLM Gateway bieden op organisatieniveau inzicht in geregistreerde agents en mogelijkheden om die te beheren. Teams kunnen ook een agent beschrijven in de bouwer van Studio, die natuurlijke taal gebruikt, code schrijven met de open-sourceharnassen van LangChain of een ander framework, en de agent implementeren op Agent Server.

Voor klanten die zowel Engine als Agent Server gebruiken, maakt één integratie het mogelijk om een voorgestelde oplossing met Engine te testen op een previewomgeving voordat de wijziging naar productie wordt samengevoegd. Zo worden diagnose en verificatie aan hetzelfde agentrecord gekoppeld, in plaats van ze in afzonderlijke workflows onder te brengen.

Beschikbaarheid en resterend werk

Op het moment van publicatie was de vernieuwde LangSmith wereldwijd beschikbaar in cloud-, eigen-cloud- en zelfgehoste omgevingen. Gecentraliseerde dashboards zijn beschikbaar op workspaceniveau. Op de roadmap van LangChain staan dashboards op organisatieniveau die prestaties en trends binnen een bedrijf samenbrengen, evenals registratie via een identiteitsprovider, zodat beveiligingsteams agents naast andere organisatorische identiteiten kunnen beheren en controleren.

LangChain brengt ook bestaande mogelijkheden samen rond het gedeelde record, waaronder red-teaming met Engine, aangepaste annotatie-apps, evaluatiedatasets, het verzamelen van trajecten en finetuning. Volgens de voorgestelde workflow worden beoordeelde productievoorbeelden naar evaluatiedatasets gestuurd en worden trajecten van succesvolle uitvoeringen omgezet in finetuninggegevens. Deze koppelingen staan op de roadmap; de afzonderlijke onderdelen bestaan al.

Voor bedrijven die intern ontwikkelde, door leveranciers aangeboden en door medewerkers zelf gekozen agents beheren, legt het herontwerp eigenaarschap en consistente evaluatie vast als gemeenschappelijke beheersmaatregelen voor een gemengd agentenbestand. Het register voor verschillende runtimes is beschikbaar, maar de bredere toezichtlaag — dashboards voor het hele bedrijf en beheer via een identiteitsprovider — is nog niet voltooid.

Aiden Cross is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij zich richt op AI-productstrategie, -uitvoering en de praktische uitdagingen van het omzetten van experimentele modellen in schaalbare, marktklare producten. Zijn werk richt zich op hoe startups en ondernemingsteams overgaan van prototypes en demos naar betrouwbare systemen die worden gebruikt door echte klanten.
Met een pragmatische en detailgerichte benadering, analyseert Aiden productroadmaps, go-to-marktstrategieën, platformbeslissingen en organisatorische compromissen die bepalen of AI-initiatieven slagen of stilvallen. Hij let met name op de implementatie, gebruikersadoptie, infrastructuurbeperkingen en de afstemming tussen technische capaciteit en bedrijfswaarde.
Artikelen geschreven door Aiden Cross zijn AI-gegenereerd en beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze duidelijk, nauwkeurig en verantwoordelijk zijn over hoe AI-producten worden gebouwd, beschikbaar gesteld en geschaald in de echte wereld.