维度网讯，LangChain正式发布自动化Agent调试工具LangSmith Engine。该工具将Agent生产环境中“发现报错、定位代码、自动修复、补充测试”四个环节串联为全自动闭环，系统可自动捕获故障信号、草拟修复PR并生成回归评估用例，开发者仅在最终审批环节介入即可。

LangSmith Engine的核心工作逻辑是持续监控生产环境中的trace数据流。其信号捕获引擎覆盖五类典型故障场景：显式错误异常、在线评估器未通过、trace结构异常、用户负面反馈，以及Agent无法回答用户问题的“空响应”情形。当系统捕获到故障信号后，Engine自动读取线上代码库，定位故障根因并草拟一份包含修复方案的PR，同时针对该特定故障模式生成一组自定义评估用例，将其嵌入项目的自动化测试套件中。LangChain在发布说明中指出，Engine与LangSmith评估器体系直接打通，故障修复后相关的自定义评估器会永久保留在项目的测试管线中，以确保同类错误不会被再度引入。

支撑Engine实时性能的是同步发布的底层存储SmithDB。伴随Agent在生产环境中trace数据规模的持续膨胀，原有存储架构已无法承载自动化扫描与故障归类的实时性要求。SmithDB放弃了传统本地磁盘存储方案，全面转向基于对象存储构建，将核心工作负载的查询性能最高提升至原有水平的15倍。这一存储架构的升级，是Engine能够以自动化方式完成trace扫描、故障分类和代码定位的前提。

从行业横向对比看，Agent可观测性工具正在从“被动告警”向“主动诊断与自动修复”方向加速演进。Anthropic的Claude Managed Agents和OpenAI的Frontier平台均在将编排与评估一体化，但LangSmith Engine的路径选择略有不同——它并不试图掌控Agent的运行调度，而是聚焦于故障发生后的全自动处置链路。对于已在LangSmith平台内管理Agent的企业，Engine可直接复用其现有的trace数据和评估器体系，无需另行接入新的可观测性工具。Workwise Solutions创始人Leigh Coney曾公开指出，许多企业同时运行多套Agent系统，如果可观测性分散在各供应商的独立工具中，企业将被迫面对两套互不相通的数据体系。

LangSmith是LangChain旗下的商用Agent工程平台，覆盖Agent的调试、评估、部署与监控全流程，目前服务35%的《财富》500强企业，日摄入事件量超过10亿条。LangChain由Harrison Chase与Ankush Gola于2023年在美国加利福尼亚州旧金山创立，已累计完成三轮融资，2025年7月完成由IVP领投的1.25亿美元B轮融资，估值达10亿美元。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com