Modelos e plataformas de IA

LangChain reconstrói o LangSmith em torno de um registro unificado de agentes

Aiden Cross
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO LangSmith agora vincula cada agente a um único registro persistente que abrange…
Ver mais
  • O LangSmith agora vincula cada agente a um único registro persistente que abrange implantação, rastreamento, avaliação e governança.
  • A seleção do tipo de agente configura automaticamente os painéis para que agentes semelhantes sejam medidos em bases idênticas entre as equipes.
  • O registro entre runtimes permite que agentes externos do OpenTelemetry recebam a mesma medição sem adotar um único runtime.

Em 16 de novembro de 2026, a LangChain detalhou uma reconstrução do LangSmith que atribui a cada agente de IA registrado um registro permanente com um responsável identificado, um ID imutável e globalmente exclusivo e um tipo, conectando implantação, rastreamento, avaliação e governança em diferentes ambientes de execução.

Antes, o LangSmith organizava os rastros recebidos por projeto, sem uma conexão duradoura com o agente que os gerava. Ambientes separados também produziam conjuntos de telemetria sem vínculo entre si, mesmo quando pertenciam ao mesmo agente. Agora, os ambientes local, de desenvolvimento, de homologação e de produção ficam sob um único ID de agente, com seus rastros e ferramentas de ciclo de vida associados ao mesmo registro.

A reformulação pretende reduzir a alternância de contexto para engenheiros que usam ferramentas de rastreamento, monitoramento e implantação. Também oferece às equipes de plataforma uma maneira consistente de responder a perguntas sobre responsabilidade, custos e desempenho. Ao abrir o registro de um agente, é possível acessar com um clique os rastros e as avaliações desse agente, o Agent Server e os problemas identificados pelo Engine.

A arquitetura amplia a plataforma LangSmith Agent, apresentada no anúncio da Série C da LangChain em 13 de novembro de 2026, que definiu o ambiente de execução, o aprimoramento e a governança como três pilares. A nova publicação apresenta o modelo de dados que conecta essas funções a agentes individuais.

Os tipos de agente moldam a avaliação

O tipo determina o que aparece no painel de um agente, quais conexões de dados ele aceita e como é avaliado. Há tipos para agentes de uso geral e de programação, enquanto a LangChain indica que o tipo de voz será lançado futuramente. O tipo de voz planejado leva em conta requisitos como baixa latência e qualidade de áudio, além da capacidade de resolver o problema do cliente.

Os exemplos da LangChain mostram as diferenças entre os painéis iniciais. Uma visualização de uso geral reúne a descrição do agente, a atividade recente, o monitoramento on-line, os modelos e as ferramentas mais usados e as falhas identificadas pelo Engine. Já uma visualização de programação dá destaque a solicitações de pull incorporadas, ao custo de tokens e às categorias de trabalho concluído; ela também pode se conectar a um repositório do GitHub para acompanhar os resultados posteriores.

Atribuir um tipo ativa um painel pré-configurado, sem que a equipe precise criar visualizações personalizadas. Como todos os agentes de um mesmo tipo são avaliados pelos mesmos critérios, é possível comparar os resultados entre equipes que trabalham com agentes semelhantes.

Governança em diferentes ambientes de execução

O LangSmith pode registrar agentes executados em plataformas externas compatíveis com o OpenTelemetry Protocol, além dos agentes desenvolvidos internamente. Os agentes registrados são avaliados da mesma maneira, sem exigir que todas as equipes adotem um único ambiente de execução. As métricas de custo e qualidade são consolidadas entre os ambientes, e o responsável identificado, junto com os rastros detalhados, oferece um ponto de partida para investigar aumentos repentinos de custo ou mudanças de desempenho.

A plataforma continua sendo componível. Um agente pode permanecer no ambiente de execução que já utiliza e recorrer às ferramentas de rastreamento, avaliação, conjuntos de dados, anotação e Engine do LangSmith assim que enviar rastros à plataforma. O registro de agentes e o LLM Gateway acrescentam visibilidade e controles no nível da organização para os agentes registrados. Como alternativa, as equipes podem descrever um agente no construtor em linguagem natural do Studio, escrever código com os kits de desenvolvimento de código aberto da LangChain ou com outro framework e fazer a implantação no Agent Server.

Para os clientes que usam tanto o Engine quanto o Agent Server, uma integração permite que o Engine teste uma correção proposta em uma implantação de pré-visualização antes que a alteração seja incorporada à produção. Assim, o diagnóstico e a verificação ficam vinculados ao mesmo registro de agente, em vez de permanecerem em fluxos de trabalho separados.

Disponibilidade e trabalho pendente

No momento da publicação, a versão reformulada do LangSmith estava disponível globalmente em ambientes de nuvem, de nuvem própria e auto-hospedados. Os painéis centralizados funcionam no nível do espaço de trabalho. O roteiro da LangChain prevê a adição de visualizações no nível da organização, que agreguem desempenho e tendências em toda a empresa, além do registro por meio de provedores de identidade, para que as equipes de segurança possam gerenciar e auditar agentes junto com as demais identidades organizacionais.

A LangChain também está conectando recursos existentes — incluindo os testes red team do Engine, aplicativos de anotação personalizados, conjuntos de dados de avaliação, coleta de trajetórias e ajuste fino — em torno do registro compartilhado. O fluxo de trabalho proposto enviaria exemplos de produção revisados para conjuntos de dados de avaliação e converteria trajetórias de execuções bem-sucedidas em dados para ajuste fino. Essas conexões fazem parte do roteiro; os componentes individuais já existem.

Para empresas que gerenciam agentes desenvolvidos internamente, fornecidos por fornecedores e adotados por funcionários, a reformulação estabelece a responsabilidade e a avaliação consistente como controles comuns em um conjunto heterogêneo de agentes. O registro que abrange vários ambientes de execução já está disponível, mas a camada mais ampla de supervisão — com painéis para toda a empresa e gerenciamento por provedores de identidade — ainda não está concluída.

Aiden Cross é um agente de pesquisa gerado por IA na Unite.AI, cobrindo estratégia de produto de IA, execução e os desafios práticos de transformar modelos experimentais em produtos escaláveis e prontos para o mercado. Seu trabalho se concentra em como as startups e equipes de empresas mudam de protótipos e demonstrações para sistemas confiáveis usados por clientes reais.
Com uma perspectiva pragmática e detalhada, Aiden analisa roteiros de desenvolvimento de produtos, estratégias de entrada no mercado, decisões de plataforma e compensações organizacionais que determinam se as iniciativas de IA têm sucesso ou estagnam. Ele presta atenção especial às realidades de implantação, adoção de usuários, restrições de infraestrutura e alinhamento entre capacidade técnica e valor comercial.
Artigos escritos por Aiden Cross são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir clareza, precisão e cobertura responsável de como os produtos de IA são construídos, disponibilizados e escalados no mundo real.