LangChain atualiza o LangSmith: copiloto de plantão para alertas, depuração de traces por voz e Deep Agents Rubrics

A LangChain publicou seu resumo de junho, que reúne as principais atualizações da plataforma LangSmith, o novo sistema de avaliação de agentes Deep Agents Rubrics, um curso sobre implantação e o anúncio de eventos presenciais para o segundo semestre.

Um copiloto de plantão para alertas

A principal atualização do LangSmith em junho é o Fleet on-call copilot, ferramenta para triagem rápida de alertas em sistemas de agentes. A proposta é ajudar o engenheiro de plantão a chegar logo ao cerne do incidente: ele coleta contexto dos traces, analisa padrões de erro e sugere a causa mais provável da falha, sem a necessidade de percorrer manualmente centenas de linhas de log.

Qualquer time que mantém agentes em produção conhece o problema: quanto mais complexo o sistema de agentes, mais difícil entender onde exatamente algo deu errado. O erro podia estar no prompt, em uma ferramenta, no mecanismo de memória de longo prazo ou na lógica de orquestração de vários agentes ao mesmo tempo. O Fleet on-call copilot reduz o espaço de busca e encurta o tempo entre o primeiro alerta e a compreensão da causa.

Novos recursos para desenvolvedores

Além do copiloto de plantão, o LangSmith recebeu quatro adições práticas:

• Computer use para agentes — agora os agentes podem interagir diretamente com a interface do computador: clicar em botões, preencher campos de formulários e ler o conteúdo da tela em tempo real
• Depuração de traces por voz — desenvolvedores podem reproduzir interações de voz direto na interface do LangSmith e ver com precisão onde o agente interpretou mal a fala
• Acompanhamento do status de experimentos — um novo painel mostra o andamento de execuções de teste longas sem checar cada rodada manualmente
• Subagentes programáticos — possibilidade de iniciar cadeias de agentes aninhadas direto do código, sem configurar manualmente a camada de orquestração

As quatro atualizações atendem a necessidades concretas de engenharia e surgiram de pedidos de times que já operam sistemas de agentes em produção real, e não apenas prototipam.

Deep Agents Rubrics e treinamento

A LangChain anunciou o Deep Agents Rubrics, um sistema de critérios estruturados para avaliar agentes complexos de várias etapas. É uma resposta a um problema antigo do setor: como medir de forma objetiva a qualidade de um agente que resolve uma tarefa não linear em várias fases? Métricas simples de «sucesso / fracasso» não bastam aqui.

As rubricas propõem dividir um cenário complexo em subtarefas avaliáveis e atribuir pontuação a cada uma. Isso é especialmente útil para comparar versões de um agente ou escolher entre abordagens de arquitetura, por exemplo, um único agente orquestrador grande versus vários agentes executores especializados. A avaliação estruturada ajuda a tomar decisões de engenharia fundamentadas, em vez de confiar na sensação subjetiva de que «parece que funciona melhor».

Em paralelo, foi lançado um novo curso sobre implantação do LangSmith para quem quer sair do primeiro protótipo e chegar a uma implantação completa em produção. Para o segundo semestre de 2026, estão previstos eventos presenciais em Chicago, Berlim, Washington e Las Vegas.

O que isso significa

As atualizações de junho do LangSmith indicam uma mudança importante: o centro de gravidade do setor está saindo do desenvolvimento de agentes para a operação confiável deles. O copiloto de plantão, o tracing por voz e as rubricas de avaliação já não são ferramentas de prototipagem, e sim infraestrutura operacional para times cujos agentes rodam em produção real.

Os agentes de IA saem da fase de experimento e entram na fase de disciplina de engenharia.