Skip to main content
LangSmith 支持在跟踪中发送任意元数据和标签。 标签是可用于分类或标记跟踪的字符串。元数据是一个键值对字典,可用于存储关于跟踪的附加信息。 两者都可用于将附加信息与跟踪关联,例如执行环境、发起用户或内部关联 ID。有关标签和元数据的更多信息,请参阅概念页面。有关如何通过元数据和标签查询跟踪和运行的信息,请参阅在应用程序中过滤跟踪页面。
import openai
import langsmith as ls
from langsmith.wrappers import wrap_openai

client = openai.Client()
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hello!"}
]

    # 您可以在装饰函数时**静态**设置元数据和标签
    # 使用带有标签和元数据的 @traceable 装饰器
    # 确保设置了 LANGSMITH_TRACING 环境变量,以便 @traceable 正常工作
    @ls.traceable(
        run_type="llm",
        name="OpenAI Call Decorator",
        tags=["my-tag"],
        metadata={"my-key": "my-value"}
    )
    def call_openai(
        messages: list[dict], model: str = "gpt-5.4-mini"
    ) -> str:
        # 您也可以在父运行上动态设置元数据:
        rt = ls.get_current_run_tree()
        rt.metadata["some-conditional-key"] = "some-val"
        rt.tags.extend(["another-tag"])
        return client.chat.completions.create(
            model=model,
            messages=messages,
        ).choices[0].message.content

    call_openai(
        messages,
        # 在**调用时**添加,当调用函数时。
        # 通过 langsmith_extra 参数
        langsmith_extra={"tags": ["my-other-tag"], "metadata": {"my-other-key": "my-value"}}
    )

    # 或者您可以为给定范围内的运行动态设置默认元数据
    # tracing_context 本身不创建 span,但它会初始化
    # 为创建的子 span 初始化上下文。
    with ls.tracing_context(metadata={"default-key": "default-value"}):
        call_openai(messages)

    # 或者,您可以使用 trace 上下文管理器
    # 这会创建一个带有给定元数据和标签的新 span
    with ls.trace(
        name="OpenAI Call Trace",
        run_type="llm",
        inputs={"messages": messages},
        tags=["my-tag"],
        metadata={"my-key": "my-value"},
    ) as rt:
        chat_completion = client.chat.completions.create(
            model="gpt-5.4-mini",
            messages=messages,
        )
        rt.metadata["some-conditional-key"] = "some-val"
        rt.end(outputs={"output": chat_completion})

# 您可以对包装后的客户端使用相同的技术
patched_client = wrap_openai(
    client, tracing_extra={"metadata": {"my-key": "my-value"}, "tags": ["a-tag"]}
)
chat_completion = patched_client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=messages,
    langsmith_extra={
        "tags": ["my-other-tag"],
        "metadata": {"my-other-key": "my-value"},
    },
)
LangSmith 部署:要在 Agent Server 部署中按调用动态添加元数据,我们建议在工厂函数中使用 tracing_context。有关示例,请参阅在部署的代理中自定义跟踪