Skip to main content
在使用 LangChain 构建和运行智能体时，你需要了解它们的行为：它们调用了哪些工具、生成了什么提示词，以及如何做出决策。使用 create_agent 构建的 LangChain 智能体自动支持通过 LangSmith 进行追踪，这是一个用于捕获、调试、评估和监控 LLM 应用程序行为的平台。 追踪记录了智能体执行的每一步，从最初的用户输入到最终的响应，包括所有工具调用、模型交互和决策点。这些执行数据有助于你调试问题、评估不同输入下的性能，并监控生产环境中的使用模式。 本指南将向你展示如何为 LangChain 智能体启用追踪，并使用 LangSmith 分析其执行过程。

​
前提条件

开始之前，请确保你已具备以下条件：

​
启用追踪

所有 LangChain 智能体都自动支持 LangSmith 追踪。要启用它，请设置以下环境变量： 
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<your-api-key>

​
快速入门

无需额外代码即可将追踪记录到 LangSmith。只需像平常一样运行你的智能体代码： 
from langchain.agents import create_agent


def send_email(to: str, subject: str, body: str):
    """向收件人发送电子邮件。"""
    # ... 电子邮件发送逻辑
    return f"Email sent to {to}"

def search_web(query: str):
    """在网络上搜索信息。"""
    # ... 网络搜索逻辑
    return f"Search results for: {query}"

agent = create_agent(
    model="gpt-5.4",
    tools=[send_email, search_web],
    system_prompt="You are a helpful assistant that can send emails and search the web."
)

# 运行智能体 - 所有步骤将自动被追踪
response = agent.invoke({
    "messages": [{"role": "user", "content": "Search for the latest AI news and email a summary to john@example.com"}]
})
默认情况下，追踪将记录到名为 default 的项目中。要配置自定义项目名称，请参阅记录到项目。

​
选择性追踪

您可以选择使用 LangSmith 的 tracing_context 上下文管理器来追踪应用的特定调用或部分： 
import langsmith as ls

# 这将被追踪
with ls.tracing_context(enabled=True):
    agent.invoke({"messages": [{"role": "user", "content": "Send a test email to alice@example.com"}]})

# 这将不会被追踪（如果未设置 LANGSMITH_TRACING）
agent.invoke({"messages": [{"role": "user", "content": "Send another email"}]})

​
记录到项目

您可以通过设置 LANGSMITH_PROJECT 环境变量为整个应用设置自定义项目名称：
export LANGSMITH_PROJECT=my-agent-project
您可以通过编程方式为特定操作设置项目名称：
import langsmith as ls

with ls.tracing_context(project_name="email-agent-test", enabled=True):
    response = agent.invoke({
        "messages": [{"role": "user", "content": "Send a welcome email"}]
    })

​
为追踪添加元数据

您可以使用自定义元数据和标签来标注您的追踪： 
response = agent.invoke(
    {"messages": [{"role": "user", "content": "Send a welcome email"}]},
    config={
        "tags": ["production", "email-assistant", "v1.0"],
        "metadata": {
            "user_id": "user_123",
            "session_id": "session_456",
            "environment": "production"
        }
    }
)
tracing_context 也接受标签和元数据以进行细粒度控制： 
with ls.tracing_context(
    project_name="email-agent-test",
    enabled=True,
    tags=["production", "email-assistant", "v1.0"],
    metadata={"user_id": "user_123", "session_id": "session_456", "environment": "production"}):
    response = agent.invoke(
        {"messages": [{"role": "user", "content": "Send a welcome email"}]}
    )
这些自定义元数据和标签将附加到 LangSmith 中的追踪记录上。
要了解更多关于如何使用追踪来调试、评估和监控您的代理的信息，请参阅 LangSmith 文档。
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。