Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Pochemu my perestroili langsmith vokrug agenta
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Почему мы перестроили LangSmith вокруг агента

Источник: LangChain•16 ноября 2026 г. в 19:17

Почему мы перестроили LangSmith вокруг агента

Мы реорганизовали LangSmith вокруг единой записи агента. Создавайте, запускайте, улучшайте и управляйте каждым агентом из одного места, используя любой фреймворк или среду выполнения.

На прошлой неделе мы объявили о раунде финансирования серии C и представили новую платформу LangSmith Agent Platform: единое место для создания, запуска, улучшения и управления каждым агентом. Теперь агенты стали основным объектом в LangSmith, связывающим разрозненные рабочие процессы для разработчиков и позволяющим платформенным командам управлять агентами в масштабах всего бизнеса.

В этой статье мы обсудим, почему мы реорганизовали продукт, как работает модель агента, какие возможности она открывает и что нас ждет в будущем.

Почему мы перестроили LangSmith?

2026 год принес качественный скачок в использовании агентов, поскольку новые инструменты, модели и инженерные подходы позволили создавать агентов, способных надежно выполнять сложную и высокоценную работу.

Компании теперь используют множество агентов в своей деятельности: инженеры применяют агентов для написания кода, отделы продуктов создают агентов для взаимодействия с клиентами, а команды по всей организации используют различных внутренних агентов для повышения продуктивности. Эти агенты созданы с помощью разных фреймворков, размещены в различных средах выполнения и используют разнообразные инструменты и модели.

Результатом стали разрозненные рабочие процессы как для инженеров, так и для платформенных команд.

Инженеры работают в несвязанных средах. Трассировка, мониторинг и развертывание происходят в разных местах. Это требует частого переключения контекста и на практике приводит к тому, что команды пропускают сложные, но важные этапы, такие как создание оценочных тестов (evals).

Командам AI-платформ сложно отвечать на базовые вопросы управления. Какие агенты существуют и кто является владельцем каждого из них? Сколько они стоят и какова их эффективность? Когда расходы резко возрастают, часто нет очевидного человека, у которого можно спросить, что произошло.

Мы хотели упростить для команд управление всем жизненным циклом разработки агентов из одного места, используя любой стек, с обеспечением владения и управления на всех этапах.

Единая платформа для всего жизненного цикла разработки агента

LangSmith поддерживает весь жизненный цикл разработки агента: создание, запуск, улучшение и управление. Теперь мы связали весь этот процесс через уникальную запись агента.

  • Создание: опишите агента с помощью нового конструктора на естественном языке в LangSmith Studio, создайте его в коде с помощью наших инструментов с открытым исходным кодом или используйте любой другой фреймворк.
  • Запуск: разверните агента на LangSmith Agent Server или оставьте его в той среде выполнения, которую вы уже используете.
  • Улучшение: трассировка, оценочные тесты, наборы данных, аннотирование и Engine работают с любым агентом, который отправляет трассировки в LangSmith.
  • Управление: реестр агентов LangSmith и LLM Gateway обеспечивают видимость на уровне организации и строгий контроль над каждым зарегистрированным агентом.

Когда вы открываете запись агента, его трассировки, оценочные тесты, Agent Server и проблемы Engine доступны в один клик, поэтому вам не нужно переключаться между несколькими интерфейсами, чтобы найти их. Локальная среда, среда разработки, промежуточная и производственная среды каждого агента находятся под одним идентификатором агента, поэтому сравнивать производительность после внесения изменений очень просто.

LangSmith является компонуемым, поэтому вы можете выбирать только те части, которые вам нужны. Если вы уже запускаете своего агента на другой платформе, вы можете подключить его к LangSmith, чтобы улучшать и управлять им, не меняя другие рабочие процессы.

Если вы создаете и запускаете агентов в LangSmith, вы получаете больше, чем просто единое место для управления жизненным циклом. Продукты LangSmith дополняют друг друга, поэтому вы можете быстрее находить, исправлять, выпускать и проверять проблемы в своих агентах. Например, LangSmith Engine может проверить предложенное исправление на предварительной версии Agent Server перед тем, как вы объедините его с основной версией.

Новая модель данных для агентов

Раньше трассировки, отправляемые в LangSmith, использовали плоскую иерархию проектов, не связанную с каким-либо конкретным агентом. Трассировки от одного и того же агента в разных средах не имели связи друг с другом.

Теперь существует одна запись агента, а среды и трассировки сгруппированы под ней. Каждый этап жизненного цикла разработки связан с записью агента.

Каждая запись агента включает три свойства:

  • Владелец: конкретный человек, ответственный за агента
  • ID: глобально уникальный, неизменяемый идентификатор
  • Тип: вид агента, который определяет информацию, отображаемую на его панели управления, его подключения к данным и критерии оценки

Оценочные тесты и управление для разных типов агентов

Разные агенты выполняют разную работу, поэтому для их контроля и улучшения требуются разные типы оценки. Например, агента для написания кода оценивают по тому, был ли принят написанный им код, в то время как для агента службы поддержки важна низкая задержка. Типы агентов встраивают эти различия в архитектуру LangSmith, поэтому каждая запись агента предоставляет полезные ресурсы, разработанные с учетом целей агента.

Типы агентов обеспечивают три вещи:

Представление данных, построенное вокруг работы агента: каждый тип агента имеет специализированную панель управления с ключевой статистикой и критериями оценки. Для агента общего назначения это включает описание агента, его недавнюю активность, онлайн-мониторинг, часто используемые модели и инструменты, а также сбои агента, выявленные Engine. Для агента по написанию кода это объединенные PR, стоимость токенов и тип выполняемой работы.

Согласованные данные без ручной настройки: панели управления намеренно сделаны специализированными. Когда вы назначаете агенту тип, его панель управления готова к работе без необходимости предварительного создания пользовательских представлений. Каждый агент определенного типа измеряется одинаково, поэтому, если у вас три человека запускают агентов для написания кода, показатели будут сопоставимы для всех троих.

Подключения к данным: тип агента для написания кода позволяет подключить ваш репозиторий GitHub для отслеживания результатов использования агента. По мере создания новых типов агентов мы продолжим разрабатывать интеграции, которые позволят вам видеть релевантные данные для ваших агентов и действовать на их основе.

Мы начали с агентов общего назначения и агентов для написания кода, и мы расширяемся, добавляя дополнительные типы для агентов, требующих уникальной оценки. Например, голосовым агентам нужно не просто решать проблемы клиентов, но и взаимодействовать с ними с низкой задержкой и хорошим качеством звука. С помощью типов агентов мы можем отображать эти специфические данные по умолчанию и упростить разработчикам поиск и исправление сбоев.

Управляйте каждым агентом, где бы он ни работал

Неконтролируемое разрастание агентов стало проблемой управления, и она исходит с трех сторон. Инженерные команды создают собственных агентов. Бизнес-подразделения внедряют агентов с платформ поставщиков, таких как ServiceNow для IT и Glean для корпоративного поиска. А сотрудники самостоятельно выбирают агентов для написания кода и повышения продуктивности.

Платформенные команды и руководители AI-направлений несут ответственность за всех них, но требовать от каждой команды стандартизации на одной платформе нереалистично.

С LangSmith им не нужно этого делать. Платформа работает с агентами, запущенными на любой системе, поддерживающей протокол OpenTelemetry (OTLP), включая лаборатории и гиперскейлеры. Подключите агента, и он будет зарегистрирован вместе с агентами, созданными вашими инженерами, и будет измеряться таким же образом.

У каждого зарегистрированного агента есть владелец, ID и тип. Для администраторов это обеспечивает последовательный способ мониторинга и управления всем парком агентов. Метрики стоимости и качества суммируются для каждого агента во всех средах. Если происходит резкий скачок затрат от агента Glean, есть конкретный владелец, с которым можно связаться, а также детали трассировки, указывающие на то, что пошло не так.

Что ждет LangSmith в будущем

Запись агента — это новая основа для LangSmith, и мы рады продолжать развивать ее. Привязывая к агенту каждую трассировку, окружение и развертывание, мы можем сделать рабочие процессы более простыми для разработчиков, заложив в них встроенное управление.

Вот представление о том, к чему мы стремимся: Engine проводит имитацию атак на вашего агента, находит сбои и отслеживает регрессии после того, как вы выпускаете исправление. Ваша команда просматривает производственные трассировки в пользовательском приложении для аннотирования, созданном под собственный процесс проверки, а проверенные примеры автоматически попадают в наборы данных для оценки. Траектории ваших лучших запусков становятся данными для тонкой настройки модели, которая снижает затраты и повышает производительность агента. Все это связано с одной и той же записью агента, а ключевые показатели эффективности отслеживаются в реальном времени.

Каждый из этих элементов уже существует в LangSmith сегодня. Теперь мы объединяем их, чтобы сделать процесс разработки еще проще.

Также в дорожной карте:

Больше типов агентов: Универсальные типы агентов и агенты для написания кода доступны уже сегодня, а голосовые агенты на подходе. Мы будем продолжать расширяться, чтобы позволить командам стандартизировать оценку и управление большим количеством типов агентов, каждый из которых имеет соответствующие подключения данных и аналитику.

Панели мониторинга на уровне организации: Централизованные панели мониторинга на уровне рабочей области доступны уже сегодня. Мы работаем над панелями мониторинга на уровне организации, чтобы руководители могли видеть агрегированные показатели производительности и тенденции по всей компании в рамках одного представления.

Идентификация: Каждый агент уже имеет уникальный, неизменяемый идентификатор. В дальнейшем вы сможете регистрировать агентов в своем поставщике идентификационных данных, чтобы команды безопасности могли управлять ими и проводить аудиты так же, как и с любой другой учетной записью в вашей организации.

Как начать работу с новым LangSmith

Новый LangSmith доступен по всему миру в облачных средах, средах BYOC и с автономным размещением. Вы можете попробовать его, войдя в систему или зарегистрировавшись сегодня.

Самый быстрый способ начать работу — создать своего первого агента с помощью LangSmith Studio или подключить уже работающего агента.

← Все статьи

О чём эта статья

Ещё в разделе «AI и машинное обучение»

Все →
От задач к целям
LangChain

От задач к целям

Представляем Monitor API от Perplexity
Perplexity

Представляем Monitor API от Perplexity

OpenAI внедрити исследователей Apollo для изучения попыток саботажа со стороны ИИПресса
OpenAI

OpenAI внедрити исследователей Apollo для изучения попыток саботажа со стороны ИИ

Tesla делает ставку на Cybercab в рамках предстоящего расширения Gigafactory в Берлине стоимостью 3 млрд евроПресса
Tesla

Tesla делает ставку на Cybercab в рамках предстоящего расширения Gigafactory в Берлине стоимостью 3 млрд евро

Представляем Baseten Voice Agent Stack: полный контроль и оптимизация голосовых агентов
Baseten

Представляем Baseten Voice Agent Stack: полный контроль и оптимизация голосовых агентов

Наш первый этап встроенных оценок
OpenAI

Наш первый этап встроенных оценок

Ещё от LangChain

От задач к целям
LangChain

От задач к целям

Инженерия целей
LangChain

Инженерия целей

Стартап в сфере ИА-агентов LangChain достиг оценки в $3 млрдПресса
LangChain

Стартап в сфере ИА-агентов LangChain достиг оценки в $3 млрд

LangChain привлекает 300 млн долларов в рамках раунда Серии C при оценке в 3 млрд долларов
LangChain

LangChain привлекает 300 млн долларов в рамках раунда Серии C при оценке в 3 млрд долларов

Как наш GTM Agent создает качественные и единообразные материалы для продаж
LangChain

Как наш GTM Agent создает качественные и единообразные материалы для продаж

Как Workday создала корпоративную платформу ИИ-агентов на базе LangGraph и LangSmith
LangChain

Как Workday создала корпоративную платформу ИИ-агентов на базе LangGraph и LangSmith