LangChain обновил LangSmith: дежурный копилот для алертов, голосовая отладка и Deep Agents Rubrics

LangChain опубликовала июньский дайджест, в котором собраны ключевые обновления платформы LangSmith, новая система оценки агентов Deep Agents Rubrics, образовательный курс по развёртыванию и анонс очных мероприятий на второе полугодие.

Дежурный копилот для алертов

Центральное обновление LangSmith в июне — Fleet on-call копилот, инструмент для оперативного триажа алертов в агентных системах. Задача инструмента — помочь дежурному инженеру быстро добраться до сути инцидента: он собирает контекст из трейсов, анализирует паттерны ошибок и предлагает наиболее вероятную причину сбоя без необходимости вручную просматривать сотни строк логов. Проблема хорошо знакома любой команде, которая держит агентов в продакшене: чем сложнее агентная система — тем труднее понять, где именно что-то пошло не так. Ошибка могла возникнуть в промпте, в инструменте, в механизме долгосрочной памяти или в логике оркестрации нескольких агентов одновременно. Fleet on-call копилот сужает пространство поиска и сокращает время от первого алерта до понимания его причины.

Новые функции для разработчиков

Помимо дежурного копилота, LangSmith получил четыре практичных дополнения: Computer use для агентов — теперь агенты могут взаимодействовать с интерфейсом компьютера напрямую: кликать кнопки, заполнять поля форм, читать содержимое экрана в реальном времени Голосовая отладка трейсов — разработчики могут воспроизводить голосовые взаимодействия прямо в интерфейсе LangSmith и точно видеть, где агент ошибся в интерпретации речи Отслеживание статуса экспериментов — новый дашборд показывает ход длительных тестовых прогонов без ручной проверки каждого запуска Программные субагенты — возможность запускать вложенные агентные цепочки напрямую из кода без ручной настройки оркестрационного слоя Все четыре обновления закрывают конкретные инженерные потребности и появились по запросам команд, которые уже эксплуатируют агентные системы в реальном продакшене, а не только прототипируют.

Deep

Agents Rubrics и обучение LangChain анонсировала Deep Agents Rubrics — систему структурированных критериев для оценки сложных многошаговых агентов. Это ответ на давнюю проблему индустрии: как объективно измерить качество агента, который решает нелинейную задачу в несколько этапов? Простых метрик вида «успешно / неуспешно» здесь недостаточно.

Рубрики предлагают разбивать сложный сценарий на поддаваемые оценке подзадачи и выставлять баллы по каждой. Это особенно полезно при сравнении разных версий агента или при выборе между архитектурными подходами — например, между одним крупным агентом-оркестратором и несколькими специализированными агентами-исполнителями. Структурированная оценка помогает принимать инженерные решения обоснованно, а не полагаться на субъективное ощущение «кажется, работает лучше».

Параллельно вышел новый курс по деплою LangSmith для тех, кто хочет перейти от первого прототипа к полноценному production-развёртыванию. На второе полугодие 2026 года запланированы очные мероприятия в Чикаго, Берлине, Вашингтоне и Лас-Вегасе.

Что это значит

Июньские обновления LangSmith фиксируют важный сдвиг: центр тяжести отрасли смещается с разработки агентов на их надёжную эксплуатацию. Дежурный копилот, голосовой трейсинг и рубрики оценки — это уже не инструменты прототипирования, а операционная инфраструктура для команд, у которых агенты работают в реальном продакшене. AI-агенты переходят из стадии эксперимента в стадию инженерной дисциплины.