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

LangChain publicou seu resumo de junho, que inclui as principais atualizações da plataforma LangSmith, um novo sistema para avaliar agentes chamado Deep Agents Rubrics, um curso educacional sobre implantação e anúncios de eventos presenciais para o segundo semestre.

Copiloto de Prontidão para Alertas

A atualização central do LangSmith em junho é o copiloto de prontidão Fleet, uma ferramenta para triagem rápida de alertas em sistemas de agentes. O objetivo da ferramenta é ajudar o engenheiro de prontidão a chegar rapidamente à raiz de um incidente: coleta contexto de rastreamentos, analisa padrões de erro e sugere a causa mais provável de falha sem a necessidade de revisar manualmente centenas de linhas de logs. Este problema é bem conhecido por qualquer equipe que execute agentes em produção: quanto mais complexo é um sistema de agentes, mais difícil é entender exatamente onde algo deu errado.

Um erro pode ter ocorrido no prompt, em uma ferramenta, no mecanismo de memória de longo prazo ou na lógica de orquestração de vários agentes simultaneamente. O copiloto de prontidão Fleet estreita o espaço de busca e reduz o tempo do primeiro alerta à compreensão de sua causa.

Novas Funcionalidades para Desenvolvedores

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

• Computer use para agentes — agentes agora podem interagir com a interface do computador diretamente: clicar em botões, preencher campos de formulário, ler o conteúdo da tela em tempo real
• Depuração de voz de rastreamentos — desenvolvedores podem reproduzir interações de voz diretamente na interface do LangSmith e ver claramente onde o agente cometeu um erro na interpretação de fala
• Rastreamento de status de experimentos — um novo painel mostra o progresso de execuções de teste de longa duração sem necessidade de verificação manual de cada execução
• Sub-agentes programáticos — a capacidade de executar cadeias de agentes aninhadas diretamente do código sem configuração manual da camada de orquestração

Todas as quatro atualizações abordam necessidades específicas de engenharia e surgiram de solicitações de equipes que já operam sistemas de agentes em produção real, não apenas prototipagem.

Deep Agents Rubrics e Treinamento

LangChain anunciou Deep Agents Rubrics — um sistema de critérios estruturados para avaliar agentes complexos de múltiplas etapas. Isto aborda um problema de longa data da indústria: como medir objetivamente a qualidade de um agente que resolve uma tarefa não-linear em várias etapas? Métricas simples como 'sucesso/falha' não são suficientes aqui.

As rúbricas oferecem uma maneira de dividir cenários complexos em sub-tarefas avaliáveis e atribuir pontuações para cada uma. Isto é especialmente útil ao comparar diferentes versões de um agente ou ao escolher entre abordagens arquitetônicas — por exemplo, entre um único agente orquestrador grande e vários agentes executores especializados. A avaliação estruturada ajuda a tomar decisões de engenharia com base em evidências em vez de se basear no sentimento subjetivo de 'parece funcionar melhor'.

Um novo curso sobre como implantar LangSmith foi lançado para aqueles que desejam passar do primeiro protótipo para implantação completa em produção. Eventos presenciais em Chicago, Berlim, Washington e Las Vegas estão programados para o segundo semestre de 2026.

O Que Isto Significa

As atualizações de junho do LangSmith refletem uma mudança importante: o centro de gravidade da indústria está se movendo do desenvolvimento de agentes para sua operação confiável. O copiloto de prontidão, rastreamento de voz e rúbricas de avaliação não são mais ferramentas de prototipagem, mas infraestrutura operacional para equipes que executam agentes em produção real. Os agentes de IA estão fazendo a transição do estágio experimental para o estágio de disciplina de engenharia.