أضافت LangSmith دعم OpenTelemetry من طرف إلى طرف لـ LangChain و LangGraph

LangSmith — منصة لتصحيح الأخطاء ومراقبة تطبيقات LLM من فريق LangChain — أعلنت عن دعم كامل لـ OpenTelemetry. يمكن للمطورين الآن توصيل تتبع مكونات الذكاء الاصطناعي بمكدس قابلية المراقبة الموحد جنباً إلى جنب مع بقية خدمات التطبيق، دون الحاجة إلى الحفاظ على أداتي مراقبة معزولتين بالتوازي.

لماذا تحتاج خدمات الذكاء الاصطناعي إلى OTel

OpenTelemetry (OTel) هي معيار مفتوح CNCF لجمع التتبعات الموزعة والمقاييس والسجلات. يتم دعمها من قبل جميع منصات المراقبة الرئيسية تقريباً: Datadog و Grafana و Honeycomb و Jaeger و AWS X-Ray و New Relic. في أنظمة الإنتاج، أصبحت OTel متطلباً فعلياً: فهي تتيح تتبع مسار طلب المستخدم عبر عشرات الخدمات الدقيقة وقواعس البيانات وواجهات برمجية خارجية في سياق زمني واحد.

حتى الآن، كانت مكونات الذكاء الاصطناعي تعيش في فقاعة منفصلة. كانت LangSmith تخزن تتبعات استدعاءات LLM بتنسيق مملوك، بينما استخدمت بقية فريق البنية التحتية خادم OTel. أثناء كل حادثة إنتاج، كان على المهندسين التبديل بين نظامين، ومطابقة الطوابع الزمنية والسياق يدوياً. هذا أبطأ التشخيص وخلق نقاط عمياء في المراقبة.

ما الذي تغير في LangSmith

يعمل دعم OTel الجديد في كلا الاتجاهين ويغطي مكدس النظام البيئي LangChain بالكامل:

• تناول التتبعات: تقبل LangSmith البيانات عبر محصل OTel القياسي دون وحدات SDK مخصصة أو محولات خاصة
• تصدير البيانات: يمكن إرسال استدعاءات LLM وتتبعات الوكيل إلى أي خادم متوافق مع OTel — Datadog و Grafana Tempo و Honeycomb و Jaeger
• السياق من النهاية إلى النهاية: يتم ربط التتبعات الموزعة عبر حدود الخدمة — من طلب HTTP الوارد للمستخدم إلى رد نموذج اللغة وللخلف
• دعم LangGraph: بالإضافة إلى سلاسل LangChain الخطية، يغطي تتبع OTel وكلاء الرسم البياني المعقدة مع الدورات والخطوات المتوازية والفروع الشرطية

التغيير الرئيسي للمهندسين: لم تعد بحاجة إلى وحدة SDK منفصلة من LangChain لقياس جزء الذكاء الاصطناعي. يبدأ وكيل OTel القياسي، المكون بالفعل للخادم، تلقائياً في جمع البيانات من LangSmith.

ما تحصل عليه فرق الإنتاج

تخيل حادثة نموذجية: يشتكي المستخدم من أن رد الدردشة الآلية يستغرق 10-15 ثانية. كان على المهندس سابقاً أن يفتح LangSmith ويدرس تتبع استدعاء نموذج اللغة، ثم ينتقل إلى Datadog للتحقق من تأخيرات الشبكة والطوابير وقاعدة البيانات — ويخيط الصورة يدوياً. الآن مسار الطلب بالكامل — من الواجهة الأمامية عبر بوابة API والمنسق إلى استدعاء LLM ومعالجة الرد النهائية — مرئي في تتبع واحد مستمر بدقة ميلي ثانية.

بالنسبة للفرق التي تنقل النماذج الأولية إلى حمل الإنتاج، هذا يعني أن ممارسات OTel القياسية — التنبيهات على كمون p95/p99 ومقاييس SLO وميزانيات الأخطاء — الآن قابلة للتطبيق على مكونات الذكاء الاصطناعي دون تكوين إضافي.

"المراقبة الشاملة ليست مجرد راحة، بل هي متطلب إلزامي لأي نظام ذكاء

اصطناعي في الإنتاج يخدم مستخدمين حقيقيين تحت حمل حقيقي."

بالنسبة لعملاء المؤسسات، من المهم بشكل خاص أن أقسام تكنولوجيا المعلومات بالفعل استثمرت في بنية OTel وتتطلب توحيد صارم. أداة جديدة تتطلب لوحة تحكم معزولة خاصة بها هي دائماً حاجز إضافي لاتفاقية التبني. تلغي LangSmith هذا الحاجز.

ما يعنيه هذا

تتحرك LangSmith نحو توحيد قابلية مراقبة الذكاء الاصطناعي. بدلاً من نهج مملوك حصري على "كل شيء فقط في واجهتنا" — معيار مفتوح يندمج بشكل عضوي في أدوات الفريق الموجودة. هذا يجعل مراقبة أنظمة الذكاء الاصطناعي جزءاً من عملية الهندسة العادية، وليس تخصصاً منفصلاً بسيلو بيانات خاص به. بالنسبة للسوق بشكل عام — خطوة أخرى نحو اعتبار بنية الذكاء الاصطناعي جزءاً قياسياً من مكدس الإنتاج، بدلاً من إضافة غريبة.