LangSmith 追踪与调试：给 Agent 装上可观测性

Agent 调用链越来越复杂，出了问题很难定位是模型的锅还是工具的锅。LangSmith 是 LangChain 官方的可观测性平台，能记录每次调用的完整链路。

开启方法

简单到难以置信。在 .env 文件里加一行：

LANGSMITH_TRACING=true

然后正常写代码就行：

from dotenv import load_dotenv
from langchain.chat_models import init_chat_model

load_dotenv()

model = init_chat_model(model="openai:gpt-4.1-mini")
response = model.invoke("Who are you?")
print(response.content)

每次调用都会自动上报到 LangSmith 后台。你可以在 Web 界面看到：

• 每次调用的完整输入输出
• token 用量和耗时
• 工具调用的参数和返回值
• 异常和错误信息

为什么需要追踪

Agent 的执行过程是非确定性的。同一个问题，模型可能走不同的工具调用路径。没有追踪，你只能看到最终结果，不知道中间发生了什么。

开发阶段用 LangSmith 调试问题，生产阶段用它监控性能和成本。

注意事项

LangSmith 有免费额度，个人开发够用。如果你不想用云服务，也可以自己部署 LangSmith 的开源版本。

不需要追踪的时候，把 LANGSMITH_TRACING 设为 false 就行，代码不用改。

小结

一行配置开启追踪，零代码侵入。对于复杂的 Agent 应用，可观测性不是锦上添花，是必需品。