A LangChain új eszközökkel segíti az ügynökök fejlesztését
A LangChain több új funkciót szállított a LangSmith és a LangChain platformokhoz, amelyekkel a vállalatok jobban kereshetik, tesztelhetik, követhetik és fejleszthetik produkciós AI-ügynökeiket. A bejelentéseket az Interrupt New York-i és londoni eseményein mutatták be.
- A LangSmith AI Search szemantikai keresést kínál az ügynökök nyomkövetési adataiban.
- A Managed Deep Agents v0.9 memóriát, eszközhasználatot, Slack-integrációt és feladatütemezést támogat.
- A LangSmith Engine v2 vörös csapatos teszteléssel és automatikus javításellenőrzéssel vizsgálja az ügynököket.
- A LangSmith Fine-Tuning produkciós futásokból készít képzési adatot.
- A LangChain v1.4.0 támogatja a FastMCP-t a langchain.mcp névtéren keresztül.
Új képességek a LangSmithben
A LangChain október 15-i hírlevele szerint a LangSmith AI Search szemantikai alapon keres a nyomkövetési adatokban. A csapatok olyan kérdésekre is kereshetnek választ, mint hogy frusztrálttá vált-e a felhasználó, vagy kiszivárgott-e személyes azonosításra alkalmas adat. Ehhez nem kell hagyományos szűrőkre támaszkodni.
A Managed Deep Agents v0.9 dinamikus, az egyes futások kontextusához igazított ügynökök készítését teszi lehetővé. A LangChain leírása szerint ezek az ügynökök Slackben is reagálhatnak, felhasználói szintű memóriát és eszközhasználatot kezelhetnek, valamint feladatokat ütemezhetnek. A csomag beépített webes keresést is kínál díjmentesen.
A LangSmith Engine v2 a produkció előtti ellenőrzést bővíti. Vörös csapatos teszteléssel, vagyis Red Teaminggel keres problémákat, emellett az ügynökök kevésbé feltűnő hibáit, például a nem hatékony működést és a mérőszámok trendjeit is vizsgálja. A rendszer automatikusan teszteli és ellenőrzi az általa javasolt javításokat.
Nyomkövetés, saját alkalmazások és finomhangolás
A LangSmith Trajectories időrendi nézetet ad a nyomkövetési adatokhoz. A fejlesztők így végigkövethetik az egyes munkamenetek útját a főügynökön és az alügynökökön keresztül.
A LangSmith Custom Apps segítségével közvetlenül a LangSmithben lehet egyedi felületeket készíteni, közzétenni és futtatni. Ezek az ismétlődő munkafolyamatokat a LangSmith adataira épülő, megosztható eszközökké alakíthatják.
A LangSmith Fine-Tuning a produkciós ügynökfutásokból képzési adatot készít. A modellek Basetennel vagy Fireworks-szal finomhangolhatók, majd a finomhangolt modellek kiértékelhetők és kiszolgálhatók.
A nyílt forráskódú komponensek között megjelent a LangChain v1.4.0 is. Ez a kiadás a FastMCP támogatását adja hozzá a langchain.mcp névtéren keresztül. A LangChain emellett bemutatta, hogyan hangolja össze a LangGraph a TypeSafe AI Jev nevű döntési modelljét ügynökök építéséhez.
Mit jelent ez a fejlesztőknek?
A bejelentések közös iránya, hogy a LangChain a produkcióban működő ügynökök teljes életciklusát támogatja. A fejlesztők szemantikai kereséssel vizsgálhatják a futásokat, időrendi nézetben követhetik az ügynökök döntési útját, tesztelhetik a javításokat, majd a gyűjtött adatokból finomhangolási folyamatot indíthatnak.
A cég szerint a cél az, hogy a vállalatok nagyobb kontrollt kapjanak az ügynökök építése, megértése és fejlesztése felett. A hírlevél egy ügyféltörténetet is kiemel: a Zip korai chatbotjának vagy ügynökének bővítése korábban hetekig tartott, miközben a vállalat saját nyomkövetési rendszere nem tartalmazott minden szükséges részletet. A LangSmith és a LangGraph használatával a Zip szerint gyorsabbá vált az új funkciók szállítása.
A LangChain a kapcsolódó programok között október 28-i, virtuális Agent Evals 101 workshopot, november 3-i Agent Memory 101 alkalmat, valamint október 29-én kezdődő, produkciós AI-ról szóló virtuális üléseket hirdetett meg. A vállalat szerint ezek az ügynökök teljesítményének mérésével, a kontextus kezelésével és a nagy léptékű működtetéshez szükséges folyamatokkal foglalkoznak.
