Skip to main content

Documentation Index

Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt

Use this file to discover all available pages before exploring further.

在使用 LangChain 构建和运行智能体时，你需要了解其行为：它们调用了哪些工具、生成了什么提示以及如何做出决策。使用 create_agent 构建的 LangChain 智能体自动支持通过 LangSmith 进行追踪。LangSmith 是一个用于捕获、调试、评估和监控 LLM 应用行为的平台。 追踪记录 记录了智能体执行的每一步，从初始用户输入到最终响应，包括所有工具调用、模型交互和决策点。这些执行数据有助于你调试问题、评估不同输入下的性能，并监控生产环境中的使用模式。 本指南将向你展示如何为 LangChain 智能体启用追踪，并使用 LangSmith 分析其执行过程。

​
前提条件

开始之前，请确保满足以下条件：

​
启用追踪

所有 LangChain 智能体都自动支持 LangSmith 追踪。要启用它，请设置以下环境变量： 
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<你的-api-key>

​
快速开始

无需额外代码即可将追踪记录到 LangSmith。只需像往常一样运行你的智能体代码： 
from langchain.agents import create_agent


def send_email(to: str, subject: str, body: str):
    """向收件人发送电子邮件。"""
    # ... 邮件发送逻辑
    return f"邮件已发送至 {to}"

def search_web(query: str):
    """在网络上搜索信息。"""
    # ... 网络搜索逻辑
    return f"搜索结果：{query}"

agent = create_agent(
    model="gpt-4.1",
    tools=[send_email, search_web],
    system_prompt="你是一个可以发送电子邮件和搜索网络的助手。"
)

# 运行智能体 - 所有步骤将自动被追踪
response = agent.invoke({
    "messages": [{"role": "user", "content": "搜索最新的 AI 新闻，并将摘要发送至 john@example.com"}]
})
默认情况下，追踪记录将记录到名为 default 的项目中。要配置自定义项目名称，请参阅记录到项目。

​
选择性追踪

您可以使用 LangSmith 的 tracing_context 上下文管理器来选择性地追踪特定的调用或应用程序的某些部分： 
import langsmith as ls

# This WILL be traced
with ls.tracing_context(enabled=True):
    agent.invoke({"messages": [{"role": "user", "content": "Send a test email to alice@example.com"}]})

# This will NOT be traced (if LANGSMITH_TRACING is not set)
agent.invoke({"messages": [{"role": "user", "content": "Send another email"}]})

​
记录到项目

您可以通过设置 LANGSMITH_PROJECT 环境变量，为您的整个应用程序设置自定义项目名称：
export LANGSMITH_PROJECT=my-agent-project
您可以为特定操作通过编程方式设置项目名称：
import langsmith as ls

with ls.tracing_context(project_name="email-agent-test", enabled=True):
    response = agent.invoke({
        "messages": [{"role": "user", "content": "Send a welcome email"}]
    })

​
向追踪添加元数据

您可以使用自定义元数据和标签来注释您的追踪： 
response = agent.invoke(
    {"messages": [{"role": "user", "content": "Send a welcome email"}]},
    config={
        "tags": ["production", "email-assistant", "v1.0"],
        "metadata": {
            "user_id": "user_123",
            "session_id": "session_456",
            "environment": "production"
        }
    }
)
tracing_context 也接受标签和元数据以实现更细粒度的控制： 
with ls.tracing_context(
    project_name="email-agent-test",
    enabled=True,
    tags=["production", "email-assistant", "v1.0"],
    metadata={"user_id": "user_123", "session_id": "session_456", "environment": "production"}):
    response = agent.invoke(
        {"messages": [{"role": "user", "content": "Send a welcome email"}]}
    )
这些自定义元数据和标签将附加到 LangSmith 中的追踪上。
要了解有关如何使用追踪来调试、评估和监控您的代理的更多信息，请参阅 LangSmith 文档。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.