В октябрьском дайджесте LangChain рассказали о новых функциях LangSmith, представленных на мероприятиях Interrupt в Нью‑Йорке и Лондоне. Среди новинок:
- Поиск разговоров на основе семантического анализа следов (например, можно выяснить, был ли пользователь расстроен или произошла утечка PII).
- Создание динамических персонализированных агентов, которые реагируют в Slack, имеют память на уровне пользователя, умеют использовать инструменты, планировать задачи и выполнять веб‑поиск.
- Функция Red Teaming для выявления проблем до попадания в продакшн — она обнаруживает неэффективную работу агентов и тренды метрик, автоматически тестирует и проверяет предложенные исправления.
- Хронологический просмотр сессий агентов и их субагентов.
- Возможность создавать, публиковать и запускать пользовательские интерфейсы прямо в LangSmith — превращать повторяющиеся рабочие процессы в общие инструменты на основе данных LangSmith.
- Превращение траекторий работы в продакшне в обучающие данные: можно дообучать модели с помощью Baseten или Fireworks, а затем оценивать и использовать настроенные модели.
LangChain теперь поддерживает FastMCP через пространство имён langchain.mcp. Также показано, как LangGraph управляет моделью решений Jev от TypeSafe AI — это позволяет создавать агентов, которые работают быстрее и дешевле.
В материалах также рассматривается агентская операционная модель: как команды объединяют людей, процессы и технологии для масштабирования ИИ в продакшне. Обсуждаются пересмотр жизненного цикла разработки агентов, непрерывная оценка и внедрение управления.
Запланированы различные мероприятия и воркшопы:
- виртуальная сессия по агентской операционной модели (29 октября для EMEA, 5 ноября для Северной Америки);
- воркшопы Agent Evals 101 (28 октября) и Agent Memory 101 (3 ноября);
- хакатон LangChain x Data Reply в Мюнхене (27 октября);
- LangSmith Roadshow в Чикаго (27 октября);
- GTM Engineering Live (28 октября);
- встречи Agent Builders Meetup в Виенне (29 октября) и в Торонто (4 ноября);
- мероприятие в Мехико (29 октября) про агентов в продакшне.
Также приведены примеры использования LangChain: например, благодаря LangSmith и LangGraph компания Zip смогла быстрее добавлять функции в чат‑бот и агента.
Подписаться в Макс
