A LangChain AI-asszisztenssel segíti a mély ügynökök hibakeresését

A hosszú futások miatt nehezebb megtalálni a hibákat

A LangChain szerint a deep agentek hibakeresése eltér az egyszerű nyelvi modellhívások vagy rövid munkafolyamatok vizsgálatától. Ezek az ügynökök percekig futhatnak, több tucatnyi vagy akár több száz lépést hajthatnak végre, és gyakran több, a felhasználóval folytatott oda-vissza interakciót is tartalmaznak.

Egyetlen futás nyomkövetési adatai ezért olyan terjedelmesek lehetnek, hogy azokat nehéz kézzel áttekinteni. Hiba esetén nem feltétlenül látszik azonnal, hogy egy döntés, egy utasítás a promptban vagy egy eszközhívás okozta a problémát.

A vállalat három fő összetettségi tényezőt emel ki. A deep agentek promptjai több száz, esetenként több ezer sorosak lehetnek, és személyiséget, eszközhasználati utasításokat, irányelveket, valamint példákat is tartalmazhatnak. A hosszú nyomkövetésekben sok lépést kell átvizsgálni, a többfordulós beszélgetésekben pedig több interakción át kell követni az ügynök teljes működését.

A LangSmith nyomkövetéssel rögzíti az ügynök működését

A LangChain a tracing, vagyis nyomkövetés kifejezést használja az ügynök futásának LangSmithbe történő naplózására. Az adatok három szintből állnak. A run az ügynök egy lépése, például egy nyelvimodell-hívás vagy eszközhívás. A trace egyetlen ügynökfuttatás, amely a runokból felépülő fa. A thread több trace gyűjteménye, vagyis a felhasználó és az alkalmazás közötti teljes beszélgetés.

A LangChain szerint a nyomkövetés néhány perc alatt beállítható. Ha az alkalmazás adatai bekerültek a LangSmithbe, az AI elemezheti az ügynök teljes működési útját, és módosításokat javasolhat a promptban.

Polly és LangSmith Fetch a fejlesztők munkafolyamatában

A Polly a LangSmithbe épített AI-asszisztens, amellyel a fejlesztők a trace- és thread-adatokról beszélgethetnek. A Trace nézetben olyan kérdések tehetők fel neki, hogy az ügynök végzett-e hatékonyabban elvégezhető műveletet, vagy követett-e el hibát. Ez a LangChain szerint különösen a hosszú trace-eknél lehet hasznos, amikor a hiba több lépés között oszlik meg.

A Thread nézetben Polly egy teljes beszélgetés adataihoz fér hozzá. Ezek a beszélgetések több fordulón, akár több órán vagy napon is átívelhetnek. A Prompt Playgroundban az asszisztens természetes nyelvű leírás alapján módosíthatja a rendszerpromptot. Emellett segíthet strukturált kimenet meghatározásában és modellhívásokhoz használható próbafelületek létrehozásában.

A LangChain bemutatta a LangSmith Fetch parancssori eszközt is. Ez a LangSmith trace-eit és threadjeit kapcsolja össze a fejlesztők helyi munkafolyamatával, illetve olyan kódoló ügynökökkel, mint a Claude Code vagy a DeepAgents CLI. A fejlesztők azonosító alapján kérhetnek le adatokat, vagy időszűrővel gyűjthetik ki a legutóbbi futásokat.

Az eszköz ember által olvasható terminálos paneleket, formázott JSON-t és tömör, nyers JSON-t is támogat. A LangChain példái szerint ez lehetővé teszi a frissen lefuttatott trace-ek gyors lekérését, az adatok jq-val történő feldolgozását, illetve több thread külön JSON-fájlba exportálását értékelési adathalmazok vagy elemzések készítéséhez.

A bejelentés a deep agenteket fejlesztő felhasználóknak a LangSmith felületén és helyi fejlesztői környezetben is új hibakeresési lehetőségeket ad. A forrás szerint a nyomkövetés, a Polly elemzései és a LangSmith Fetch együtt abban segíthet, hogy a fejlesztők átlássák az ügynök döntéseit, és ezek alapján javítsák a promptokat.