LangSmith 可观测性

跟踪是应用程序从输入到输出所采取的一系列步骤。每个单独的步骤都由一个运行表示。您可以使用 LangSmith 来可视化这些执行步骤。要使用它，请为您的应用程序启用跟踪。这使您能够执行以下操作：

先决条件

在开始之前，请确保您具备以下条件：

一个 LangSmith 账户：在 smith.langchain.com 注册（免费）或登录。
一个 LangSmith API 密钥：按照创建 API 密钥指南操作。

启用跟踪

要为您的应用程序启用跟踪，请设置以下环境变量：

export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<your-api-key>

默认情况下，跟踪将记录到名为 default 的项目中。要配置自定义项目名称，请参阅记录到项目。更多信息，请参阅使用 LangGraph 进行跟踪。

选择性跟踪

您可以选择使用 LangSmith 的 tracing_context 上下文管理器来跟踪应用程序的特定调用或部分：

import langsmith as ls

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

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

记录到项目

静态设置

您可以通过设置 LANGSMITH_PROJECT 环境变量为整个应用程序设置自定义项目名称：

export LANGSMITH_PROJECT=my-agent-project

动态设置

您可以为特定操作以编程方式设置项目名称：

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"}]
    })

向跟踪添加元数据

您可以使用自定义元数据和标签来注释您的跟踪：

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"}]}
    )

此自定义元数据和标签将附加到 LangSmith 中的跟踪。

要了解更多关于如何使用跟踪来调试、评估和监控您的代理的信息，请参阅 LangSmith 文档。

使用匿名器防止在跟踪中记录敏感数据

您可能希望屏蔽敏感数据以防止其被记录到 LangSmith。您可以创建匿名器并使用配置将其应用于您的图。此示例将从发送到 LangSmith 的跟踪中编辑任何匹配社会安全号码格式 XXX-XX-XXXX 的内容。

Python

from langchain_core.tracers.langchain import LangChainTracer
from langgraph.graph import StateGraph, MessagesState
from langsmith import Client
from langsmith.anonymizer import create_anonymizer

anonymizer = create_anonymizer([
    # 匹配 SSN
    { "pattern": r"\b\d{3}-?\d{2}-?\d{4}\b", "replace": "<ssn>" }
])

tracer_client = Client(anonymizer=anonymizer)
tracer = LangChainTracer(client=tracer_client)
# 定义图
graph = (
    StateGraph(MessagesState)
    ...
    .compile()
    .with_config({'callbacks': [tracer]})
)

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。

Get started

Capabilities

Production

Frontend

LangGraph APIs

先决条件

启用跟踪

选择性跟踪

记录到项目

向跟踪添加元数据

使用匿名器防止在跟踪中记录敏感数据

​先决条件

​启用跟踪

​选择性跟踪

​记录到项目

​向跟踪添加元数据

​使用匿名器防止在跟踪中记录敏感数据

先决条件

启用跟踪

选择性跟踪

记录到项目

向跟踪添加元数据

使用匿名器防止在跟踪中记录敏感数据