A LangChain élesítette az Agent Buildert, és új megfigyelési eszközöket adott ki

Természetes nyelvű ügynöképítés és kísérlet-összehasonlítás

A LangChain január 29-i hírlevele szerint általánosan elérhetővé vált a LangSmith Agent Builder. A szolgáltatásban a felhasználó természetes nyelven írhatja le, mit szeretne az ügynöktől, az Agent Builder pedig kialakítja a megvalósítási megközelítést. Ennek része lehet a részletes prompt, az eszközök kiválasztása, az alügynökök és a képességek meghatározása.

A LangSmithben egymás mellett lehet összevetni a nyelvi modellekkel végzett kísérleteket, így a fejlesztők gyorsabban észrevehetik a visszaeséseket és a javulásokat. Az összehasonlítások bemeneti adatok, kimenetek, állapot vagy metaadatok alapján is szűrhetők.

Az Insights Agent automatikusan elemzi a nyomkövetési adatokat, és használati mintákat, gyakori ügynökviselkedéseket, valamint hibamódokat keres. A LangChain közlése szerint ez a funkció már a saját infrastruktúrán üzemeltetett LangSmith-ügyfelek számára is elérhető.

A megfigyelési adatokból értékelési alap lehet

A LangChain az ügynökök megbízhatóságának javításában központi szerepet szán a megfigyelhetőségnek. A vállalat szerint a hagyományos szoftvereknél a nyomkövetés és a tesztelés gyakran külön folyamat, az ügynökalapú rendszereknél viszont ezek szorosan összekapcsolódnak.

Ennek oka, hogy az ügynökök viselkedése futás közben alakul ki, ezért a nyomkövetések mutatják meg, mi történt ténylegesen. Az értékelés során így nem csak a végső választ lehet vizsgálni, hanem az ügynök útvonalát, kimenetét és állapotát is. A termelési környezetből származó nyomkövetések a LangChain szerint élő tesztesetekként szolgálhatnak, amelyek meghatározzák a következő értékelések fókuszát.

A vállalat külön bemutatta azt is, hogyan működik az Agent Builder memóriája. Az ismétlődő feladatokat végző ügynökök standard Markdown- és JSON-fájlok segítségével őrizhetnek meg információkat.

Nyílt forráskódú frissítések és új tananyagok

A LangChain JS 1.2.13-as verziója a közlés szerint robusztusabbá teszi az ügynököket. A frissítés dinamikus eszközöket, a hallucinált eszközhívásokból való helyreállítást és pontosabb streamelési hibaállapot-jelzéseket kínál. A deepagentsben a fejlesztők élőben továbbíthatják az alügynökök előrehaladását, és az üzenetek generálása közben megjeleníthetik, hogy melyik szereplő éppen min dolgozik.

Új Agent Builder Academy-kurzus is indult. A tananyag az ügynökök beállítását, felépítését és fejlesztését veszi végig, majd a triggerekre, az alügynökökre, az MCP-re és a képességekre is kitér. A LangChain újraindította a chat.langchain.com oldalt is, amely útmutatókat, kódrészleteket és hibakeresési segítséget kínál. A felhasználók LangSmith-fiókkal megőrizhetik beszélgetési előzményeiket.

Emellett elindult egy új Support Portal, ahol tudásbáziscikkek böngészhetők, funkcióigények küldhetők be, és az ügyfelek kapcsolatba léphetnek a LangChain csapatával.

Közösségi események és ügyfélpéldák

A LangChain februárra és márciusra több közösségi eseményt és találkozót jelentett be. A programok között sanghaji Agent Builder-találkozó, ügynökmegfigyelhetőségről szóló online előadás, New York-i, San Franciscó-i, krakkói, bengalurui és amszterdami események, valamint londoni, stockholmi és más hackathonok szerepelnek. Az Interrupt 2026 AI-ügynökökről szóló konferenciára a jegyértékesítés február 12-én indul, a rendezvényt május 13-án és 14-én tartják.

A hírlevél két ügyféltörténetet is kiemel. A Coinbase kódalapú, megfigyelhető ügynökplatformot szabványosított szabályozott munkafolyamatok automatizálásához, és a LangChain szerint a fejlesztési idő negyedévekről napokra csökkent. A Remote olyan kódvégrehajtó ügynököt épített, amely az érvelést a nyelvi modellektől, a végrehajtást pedig a Pythontól választja el, majd az összetett munkavállalói és bérszámfejtési adatokat ellenőrzött JSON-ná alakítja.

A bejelentések alapján a LangChain az ügynökfejlesztést az építéstől a futás közbeni megfigyelésen át az értékelésig egyetlen fejlesztői munkafolyamatban kívánja támogatni. A felhasználók ehhez az Agent Buildert, a LangSmith összehasonlító és elemző funkcióit, valamint a kapcsolódó oktatási és közösségi anyagokat használhatják.