AI-modeller och plattformar

LangChain tar med betaversionen av LangSmith BYOC till Azure och Google Cloud

mm
Lägg till Unite.AI bland dina föredragna källor på Google

LangChain meddelade den 3 november 2026 att LangSmith Bring Your Own Cloud (BYOC) nu finns tillgängligt i betaversion på Microsoft Azure och Google Cloud. Därmed utökas det hanterade distributionsalternativet utöver AWS, där det är allmänt tillgängligt.

BYOC håller känsliga LangSmith-data och agentdistributioner i kundens molnkonto. Företaget bakom plattformen, LangChain, hanterar dataplanet, inklusive orkestrering, skalning och plattformsuppdateringar. Lösningen är avsedd för organisationer som vill ha samma datalokalitet och nätverksisolering som med självhostade LangSmith, utan att själva behöva driva hela plattformen.

AWS var den första plattformen som lanserades. I LangChains tillkännagivande den 12 augusti 2026 presenterades BYOC för företag som vill ha en hanterad distribution i sitt eget AWS-konto och VPC, särskilt team med strikta krav på datastyrning.

Så delar BYOC upp LangSmith

BYOC delar upp plattformen i ett kontrollplan som drivs av LangChain och ett dataplan som ägs av kunden. Kontrollplanet innehåller autentisering, konfiguration av organisationer och arbetsytor, faktureringsmetadata, hashade API-nycklar och statiska gränssnittstillgångar. Dataplanet innehåller spårningar, prompter, dataset, experiment, agentdistributioner och arbetsytornas hemligheter.

En organisation kan ha flera dataplan i olika konton och regioner, med arbetsytor i vart och ett. Den strukturen gör det möjligt att separera efter region, miljö eller affärsenhet. Ett plattformsteam kan köra produktions- och stagingmiljöer i separata AWS-konton, medan en affärsenhet som har valt Azure som standard driver sin egen distribution.

Modellen förändrar också arbetsbördan för uppgraderingar som är förknippad med självhostade LangSmith. Team med strikta krav på efterlevnad behövde tidigare plattformsingenjörer för att korrigera tillståndsbevarande tjänster, konfigurera databaser, genomföra schemamigreringar och samordna anpassade Helm-utrullningar. Med BYOC stannar data i kundens virtuella nätverk, medan LangChain hanterar skalning, schemauppdateringar och körningsberoenden.

LangChain uppgav att AWS-kunder lyfte fram kontinuerliga uppgraderingar, snabbare tillgång till nya LangSmith-funktioner än med den självhostade utgivningscykeln och automatisk skalning som de främsta fördelarna.

Molnarkitektur och säkerhetsansvar

Alla tre molnplattformarna stöder Managed Deep Agents-slutpunkter i BYOC-dataplan, men lösningarna bygger på respektive leverantörs egna komponenter för nätverk och säkerhet.

I Azure körs dataplanet i ett dedikerat virtuellt nätverk med en privat AKS API-slutpunkt. Istio och KEDA distribueras via Helm för inkommande trafikstyrning och händelsestyrd skalning, och systemtelemetrin skickas till Azure Monitor. LangChain anger att stöd för LangSmith Sandboxes i Azure kommer snart. Dataplan i Google Cloud kan köras i valfri region redan vid lanseringen, även om de hanteras från LangSmiths kontrollplan i USA. Resursnamn begränsade till namnrymder är avsedda att undvika konflikter med befintlig infrastruktur.

AWS stöder användning av en befintlig VPC, där databasen placeras i de undernät som kunden väljer. Säkerhetsteam kan koppla sina egna säkerhetsgrupper till applikationsroller, så att dataplanet kan anpassas till befintliga policyer för inspektion av inkommande och utgående trafik.

På AWS går kommunikationen mellan planen via två PrivateLink-anslutningar, och LangChain ansluter inte till kundens miljö via det offentliga internet. Förfrågningar som rör känsliga data går direkt från webbläsaren eller klienten till kundens dataplan. Den kontoöverskridande IAM-rollen kan etablera och hantera infrastruktur, men den har inga s3:GetObject behörigheter till spårningsbucketen, inga rds-db:connect behörigheter till PostgreSQL och inga elasticache:Connect behörigheter till Redis.

På AWS innebär modellen med delat ansvar att kunden ansvarar för styrningen av molnkontot, intern anslutning, åtkomstpolicyer, säkerhetsövervakning på kundsidan och efterlevnadskontroller. LangChain driver och uppdaterar de hanterade komponenterna. Felsökning av incidenter kan kräva åtkomst i nödläge som godkänts av kunden. Efter åtkomsten kan en sammanfattning lämnas med tidsstämplar, vidtagna åtgärder och eventuella data som har öppnats.

Migrering och åtkomst

För organisationer som går över från självhostade LangSmith kopierar migreringsverktyget med öppen källkod användare och roller, dataset, experiment, prompter, konfiguration av annoteringsköer, automatiseringsregler, instrumentpaneler och Fleet-resurser. Data kopieras i stället för att flyttas, vilket innebär att källinstansen förblir oförändrad och i drift. I migreringsdokumentationen framgår också vilka uppgifter som måste utföras manuellt: distribuerade agenter måste distribueras på nytt, Insights-rapporter överförs inte mellan instanser och vid Fleet-migreringar måste hemliga värden anges på nytt och OAuth-anslutningar per användare återanslutas.

Spårningar, körningar och återkoppling hanteras genom en separat process som LangChain utför med interna verktyg. Migrering av spårningar stöds på AWS, medan verktyget med öppen källkod inte migrerar spårningar.

Terraform-modulerna bakom BYOC och migreringsverktyget är offentliga. LangChain uppgav att LLM Gateway i dataplanet har inbyggt stöd för modeller från 11 leverantörer, samt för alla slutpunkter som är kompatibla med OpenAI eller Anthropic. För att etablera ett BYOC-dataplan på AWS, Azure eller Google Cloud krävs kontakt med LangChains försäljningsavdelning.

För företag innebär det i praktiken större valfrihet när det gäller var datagränsen ska dras, utan att ansvaret för styrningen av molnmiljön överförs: LangChain kan driva LangSmith på fler platser, samtidigt som kundernas team fortfarande ansvarar för kontroller av konton, övervakning, regelefterlevnad och flera migreringsuppgifter.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.