当您在自动化操作中添加 webhook URL 时，只要您定义的规则匹配到任何新的运行，LangSmith 就会向您的 webhook 端点发送 POST 请求。
Webhook 负载 LangSmith 发送到您 webhook 端点的负载包含：
"rule_id"：这是发送此负载的自动化规则的 ID。"start_time" 和 "end_time"：这是 LangSmith 找到匹配运行的时间边界。"runs"：这是一个运行数组，其中每个运行都是一个字典。如果您需要关于每个运行的更多信息，请在您的端点中使用 SDK 从 API 获取。"feedback_stats"：这是一个包含运行反馈统计数据的字典。此字段的示例负载如下代码块所示。
"feedback_stats" : { " about_langchain " : { " n " : 1 , " avg " : 0.0 , " show_feedback_arrow " : true , " values " : {} }, " category " : { " n " : 0 , " avg " : null , " show_feedback_arrow " : true , " values " : { " CONCEPTUAL " : 1 } }, " user_score " : { " n " : 2 , " avg " : 0.0 , " show_feedback_arrow " : false , " values " : {} }, " vagueness " : { " n " : 1 , " avg " : 0.0 , " show_feedback_arrow " : true , " values " : {} } }
从 S3 URL 获取数据 根据您的运行的新近程度，inputs_s3_urls 和 outputs_s3_urls 字段可能包含指向实际数据的 S3 URL，而不是数据本身。 inputs 和 outputs 可以通过 inputs_s3_urls 和 outputs_s3_urls 中提供的 ROOT.presigned_url 分别获取。
以下是 LangSmith 发送到您 webhook 端点的完整负载示例：
{ " rule_id " : "d75d7417-0c57-4655-88fe-1db3cda3a47a" , " start_time " : "2024-04-05T01:28:54.734491+00:00" , " end_time " : "2024-04-05T01:28:56.492563+00:00" , " runs " : [ { " status " : "success" , " is_root " : true , " trace_id " : "6ab80f10-d79c-4fa2-b441-922ed6feb630" , " dotted_order " : "20230505T051324571809Z6ab80f10-d79c-4fa2-b441-922ed6feb630" , " run_type " : "tool" , " modified_at " : "2024-04-05T01:28:54.145062" , " tenant_id " : "2ebda79f-2946-4491-a9ad-d642f49e0815" , " end_time " : "2024-04-05T01:28:54.085649" , " name " : "Search" , " start_time " : "2024-04-05T01:28:54.085646" , " id " : "6ab80f10-d79c-4fa2-b441-922ed6feb630" , " session_id " : "6a3be6a2-9a8c-4fc8-b4c6-a8983b286cc5" , " parent_run_ids " : [], " child_run_ids " : null , " direct_child_run_ids " : null , " total_tokens " : 0 , " completion_tokens " : 0 , " prompt_tokens " : 0 , " total_cost " : null , " completion_cost " : null , " prompt_cost " : null , " first_token_time " : null , " app_path " : "/o/2ebda79f-2946-4491-a9ad-d642f49e0815/projects/p/6a3be6a2-9a8c-4fc8-b4c6-a8983b286cc5/r/6ab80f10-d79c-4fa2-b441-922ed6feb630?trace_id=6ab80f10-d79c-4fa2-b441-922ed6feb630&start_time=2023-05-05T05:13:24.571809" , " in_dataset " : false , " last_queued_at " : null , " inputs " : null , " inputs_s3_urls " : null , " outputs " : null , " outputs_s3_urls " : null , " extra " : null , " events " : null , " feedback_stats " : null , " serialized " : null , " share_token " : null } ] }
安全性 在 webhook URL 中添加一个秘密查询字符串参数，并在每个传入请求上进行验证。这确保了如果有人发现了您的 webhook URL，您可以将这些调用与真实的 webhook 通知区分开来。
一个示例是
https://api.example.com/langsmith_webhook?secret=38ee77617c3a489ab6e871fbeb2ec87d
Webhook 自定义 HTTP 头 如果您希望随 webhook 发送任何特定的头信息，可以按 URL 进行配置。要设置此项，请单击 URL 字段旁边的 Headers 选项并添加您的头信息。
Webhook 投递 在向您的 webhook 端点投递事件时，LangSmith 遵循以下准则：
如果 LangSmith 无法连接到您的端点，LangSmith 会在宣布投递失败之前重试传输连接最多 2 次。
如果您的端点回复时间超过 5 秒，LangSmith 将宣布投递失败并不再重试。
如果您的端点在 5 秒内返回 5xx 状态码，LangSmith 将使用指数退避策略重试最多 2 次。
如果您的端点返回 4xx 状态码，LangSmith 将宣布投递失败并不再重试。
您端点在响应体中返回的任何内容都将被忽略。
确保评估在 webhook 触发前完成 默认情况下，自动化规则在独立的调度上运行。扫描同一项目的 webhook 规则和在线评估器规则可能在不同时间拾取相同的运行，因此 webhook 可能在评估器有机会对该运行进行评分之前触发。
推荐的解决方案是为您的 webhook 规则添加一个 反馈过滤器 。这告诉 LangSmith 只有在运行已经携带预期分数后才将其发送到您的 webhook，无论它何时被评估。
例如，您有一个在线评估器生成 answer_usefulness 分数，以及一个仅在该分数存在后才应触发的 webhook 规则。
在您的跟踪项目的 自动化 选项卡中打开 webhook 自动化规则。
编辑规则的过滤器以要求反馈键。在过滤器构建器中，添加一个条件：
has(feedback_key, "answer_usefulness")
保存规则。
现在，webhook 规则将跳过任何尚未具有 answer_usefulness 分数的运行。当评估器规则运行并附加分数时，webhook 规则的下一个轮询周期将拾取这些运行并将其发送到您的端点。
您还可以根据分数值本身进行过滤，而不仅仅是其存在性。例如，要仅将具有低有用性分数的运行发送到您的端点： has(feedback_key, "answer_usefulness") and feedback_score < 0.5
有关完整的过滤器语法，请参阅过滤跟踪 。 在单个自动化规则中，操作按固定顺序执行：标注队列 → 数据集 → webhook → 评估。这意味着如果您的 webhook 和评估器配置在同一 规则上，webhook 将始终在该规则的运行完成评估之前触发。为确保 webhook 接收评估分数，请将 webhook 和评估器保持为单独的规则 ，并在 webhook 规则上使用反馈过滤器，如示例中所述。
使用 Modal 的示例 本指南使用 Modal 来展示如何设置此功能。Modal 提供用于推理和微调的自动扩展 GPU、用于代码代理的安全容器化以及无服务器 Python Web 端点。本指南重点介绍 Web 端点。
首先，创建一个 Modal 帐户。然后，在本地安装 Modal SDK：
要完成帐户设置，请运行以下命令：
按照说明完成帐户设置。
接下来，您需要在 Modal 中设置一些密钥。
首先，LangSmith 需要通过传递密钥来向 Modal 进行身份验证。
最简单的方法是在查询参数中传递密钥。
要验证此密钥，请在 Modal 中添加一个密钥进行验证。
通过创建 Modal 密钥 来完成此操作。
将密钥命名为 ls-webhook 并设置一个名为 LS_WEBHOOK 的环境变量。
您还可以设置一个 LangSmith 密钥——幸运的是，已经有一个集成模板可以用于此！
之后，您可以创建一个 Python 文件作为您的端点。
以下代码块中显示了一个示例，其中的注释解释了正在发生的事情：
from fastapi import HTTPException , status , Request , Query from modal import Secret , Stub , web_endpoint , Image stub = Stub ( "auth-example" , image = Image . debian_slim (). pip_install ( "langsmith" )) @stub . function ( secrets = [ Secret . from_name ( "ls-webhook" ), Secret . from_name ( "my-langsmith-secret" )] ) # 我们希望这是一个 `POST` 端点，因为我们将在此处发布数据 @web_endpoint ( method = "POST" ) # 我们设置了一个 `secret` 查询参数 def f ( data : dict , secret : str = Query ( ... )): # 您可以在 Modal 函数内部导入本地没有的依赖项 from langsmith import Client # 首先，我们验证传递的密钥 import os if secret != os . environ [ " LS_WEBHOOK " ]: raise HTTPException ( status_code = status . HTTP_401_UNAUTHORIZED , detail = "Incorrect bearer token" , headers = { "WWW-Authenticate" : "Bearer" }, ) # 这是我们放置此 webhook 内部应发生什么逻辑的地方 ls_client = Client () runs = data [ " runs " ] ids = [ r [ " id " ] for r in runs ] feedback = list ( ls_client . list_feedback ( run_ids = ids )) for r , f in zip ( runs , feedback ): try : ls_client . create_example ( inputs = r [ " inputs " ], outputs = { "output" : f . correction }, dataset_name = "classifier-github-issues" , ) except Exception : raise ValueError ( f " { r } and { f } " ) # 函数体 return "success!"
使用 modal deploy ... 部署此文件（参见管理 Modal 部署 ）。
您现在应该会得到类似以下内容：
✓ Created objects. ├── 🔨 Created mount /Users/harrisonchase/workplace/langsmith-docs/example-webhook.py ├── 🔨 Created mount PythonPackage:langsmith └── 🔨 Created f => https://hwchase17--auth-example-f.modal.run ✓ App deployed! 🎉 View Deployment: https://modal.com/apps/hwchase17/auth-example
注意函数 URL：https://hwchase17--auth-example-f.modal.run。
注意：这不是最终的部署 URL，请确保不要意外使用它。
连接起来 获取您之前创建的函数 URL 并将其添加为 webhook。
记得同时将密钥作为查询参数传递。
将所有内容放在一起，它应该看起来像：
https://hwchase17--auth-example-f-dev.modal.run?secret={SECRET}
将 {SECRET} 替换为您创建的用于访问 Modal 服务的密钥。
将这些文档连接 到 Claude、VSCode 等，通过 MCP 获取实时答案。
