LangSmith incorpora AI Search: las trazas de agentes ahora se buscan describiendo su comportamiento

LangChain ha añadido a LangSmith el modo AI Search: las trazas pueden buscarse en lenguaje natural. El desarrollador describe el comportamiento que busca y la plataforma devuelve las ejecuciones en las que ocurrió. El anuncio salió el 13 de octubre de 2026 y es breve: expone la idea, pero no menciona ni el modelo, ni los límites, ni el precio. Aun así, la idea apunta a un viejo problema de quienes operan agentes en producción.

Qué se ha lanzado exactamente

LangSmith es la plataforma de observabilidad y evaluación de los creadores de LangChain. Cada ejecución de un agente se registra como una traza: la cadena de llamadas al modelo y a las herramientas, los razonamientos intermedios y las respuestas. Cuando un agente lleva tiempo funcionando, se acumulan miles de trazas.

Hasta ahora se buscaban por campos estructurados: estado, duración, etiquetas, nombre de la herramienta, coste. Eso funciona si se sabe de antemano qué rasgo buscar. AI Search cambia el punto de entrada. En lugar de un conjunto de condiciones, se escribe una frase como «el usuario está molesto con la respuesta» o «el agente vuelve a llamar a la misma herramienta». El sistema determina por sí mismo qué trazas encajan con la descripción.

Hechos clave del anuncio:

• Formato de la consulta: lenguaje natural, sin sintaxis especial.
• Criterio de búsqueda: el comportamiento del agente, no los valores de los campos.
• Resultado: un conjunto de trazas en las que ocurrió ese comportamiento.
• Fecha del anuncio: 13 de octubre de 2026, blog de LangChain.
• No se revela: el modelo que interpreta las consultas, los límites, el precio ni los idiomas de consulta compatibles.

Por qué los agentes necesitan buscar por comportamiento

En un servicio convencional, un fallo se manifiesta como un error 500 o un pico de latencia. Un agente se rompe de forma más sutil. Puede completar formalmente la tarea y, aun así, hacer una decena de llamadas de más, ignorar una instrucción del prompt de sistema o inventarse datos con total seguridad. El estado de esa traza será «correcto», y un filtro por estado no la mostrará.

Por eso los equipos se ven obligados a leer a mano muestras de trazas o a escribir evaluadores específicos para cada tipo de problema. La búsqueda por descripción altera el orden de trabajo. Primero se formula una hipótesis («parece que el agente se confunde cuando el usuario cambia las condiciones a mitad del diálogo») y después se ven ejemplos de inmediato. Con los ejemplos útiles se puede montar luego un conjunto de pruebas o un evaluador.

Para LangChain es un movimiento lógico. Sus competidores en observabilidad de LLM, desde Langfuse hasta Arize y Braintrust, también avanzan hacia el análisis semántico de trazas. Un producto que vive de los datos sobre lo que hicieron los agentes añade, de forma natural, una capa que permite interrogar esos datos.

Qué sigue sin respuesta

El texto del anuncio deja varias cosas sin aclarar, y de ellas depende el valor real de la función.

Primero, la precisión. Una búsqueda semántica sobre trazas largas con llamadas anidadas puede pasar por alto resultados relevantes o devolver ruido. Todavía no se ha publicado cuál es la proporción de omisiones.

Segundo, la escala. No se sabe si el sistema busca en todo el proyecto o en una ventana de tiempo seleccionada, ni cuánto cuesta en tokens.

Tercero, la privacidad. Las trazas suelen contener datos de usuarios. Los equipos con requisitos estrictos querrán saber qué modelo lee sus trazas y dónde se ejecuta.

Cómo usarlo en la práctica

Si sus agentes ya escriben trazas en LangSmith, conviene probar la función con problemas conocidos. Tome de tres a cinco casos que antes encontró a mano, descríbalos con frases y compare los resultados con lo que ya sabe. Así evaluará rápido la exhaustividad y el ruido.

Formule las consultas a partir de una acción observable, no de una valoración: «el agente llamó a la búsqueda más de tres veces seguidas» es más fiable que «el agente funcionó mal». Conviene guardar las trazas encontradas en un dataset para pruebas de regresión, de modo que un hallazgo puntual se convierta en una comprobación permanente.

Por último, mientras LangChain no publique cifras de calidad y coste, trate AI Search como un método rápido de reconocimiento y no como la única fuente de verdad sobre el comportamiento del agente. Los escenarios críticos siguen cubriéndose mejor con evaluadores y métricas explícitos.