Interrupt 2026: LangChain представил инструменты для отладки AI-агентов в production

LangChain провел двухдневную конференцию Interrupt 2026, где представил новые инструменты для диагностики и отладки AI-агентов в production, а также показал реальные примеры из LinkedIn, Rippling, Cisco и еще 19 крупных компаний.

Три инструмента для production-команд

На конференции LangChain анонсировал три продукта, разработанные специально для teams, которые выпускают агентов в боевые системы: * LangSmith Engine — платформа для диагностики ошибок. Показывает полную трассировку цепи вызовов: какой LLM дал неверный ответ, на каком шаге потеряли контекст, какой инструмент вернул неожиданный результат. Это критично, потому что реальные агенты состоят из десятков шагов, и одна ошибка на шаге 7 может полностью развалить результат.

* Sandboxes GA — отдельное изолированное окружение для тестирования. Теперь в общем доступе (GA). Команды могут экспериментировать с новыми версиями агентов, безопасно лэндить изменения и откатывать, не рискуя сломать production.

Особенно полезно для A/B-тестов: какая версия LLM работает лучше, какой промпт эффективнее. * LangChain Labs — закрытое пространство для экспериментов с бета-фичами. Разработчики LangChain выкладывают там свежие идеи: новые стратегии retry'я, способы кеширования контекста, экспериментальные routing-механизмы.

Production-команды могут рано брать их и давать прямой фидбэк разработчикам.

Примеры из боевой разработки

На конференции выступили 23 спикера — старшие инженеры из LinkedIn, Rippling, Cisco и еще 19 компаний. LinkedIn рассказал про рекомендательный агент, который вдруг начал игнорировать фильтр по геолокации. Агент был уверен, что кандидат, живущий в Индии, подходит для должности в Сан-Франциско.

Проблема нашлась в LangSmith Engine: на шаге фильтрации инструмент возвращал данные в неверном формате, и LLM не замечал противоречия. После отладки агент работает корректно. Rippling показал, как они пилили контроль расходов на API-вызовы.

За день один production-агент обходился компании в $200 на LLM-вызовы. После внедрения кеширования контекста и упрощения промптов, стоимость упала до $120 в день. За месяц — это экономия в $2400 на одном агенте.

Cisco рассказала о главной боли с отладкой в микросервисной архитектуре. Когда агент состоит из десятка разных сервисов (один обращается в CRM, другой в REST API, третий в S3), и цепь ломается на сервисе 6 — это становится настоящим адом. Нужно логировать не только в LangSmith, но и синхронизировать трассировки между сервисами.

Cisco показала, как они решили этот паттерн через OpenTelemetry.

Что это значит

Production AI-агенты — это новая фронтира инженерии, и старый stack мониторинга для них не подходит. LangChain инвестирует в инструменты отладки потому, что это стало критическим узким местом (bottleneck) для всей отрасли. Все видео конференции доступны онлайн по запросу.