主题
LangSmith 可观测性
追踪是你的应用从输入到输出所经历的一系列步骤。其中每个单独的步骤都由一次运行表示。你可以使用 LangSmith 来可视化这些执行步骤。要使用它,请为你的应用启用追踪。这使你能够执行以下操作:
前置条件
在开始之前,请确保你具备以下条件:
- 一个 LangSmith 账户:在 smith.langchain.com 免费注册或登录。
- 一个 LangSmith API 密钥:遵循创建 API 密钥指南。
启用追踪
要为你的应用启用追踪,请设置以下环境变量:
python
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<your-api-key>默认情况下,追踪会记录到名为 default 的项目中。要配置自定义项目名称,请参阅记录到项目。
有关更多信息,请参阅使用 LangGraph 追踪。
选择性追踪
你可以选择使用 LangSmith 的 tracing_context 上下文管理器来追踪特定的调用或应用的某些部分:
python
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
静态
你可以通过设置 LANGSMITH_PROJECT 环境变量为整个应用设置自定义项目名称:
bash
export LANGSMITH_PROJECT=my-agent-project动态
你可以通过编程方式为特定操作设置项目名称:
python
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
你可以使用自定义元数据和标签来标注你的追踪:
python
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 还接受标签和元数据,以实现细粒度控制:
python
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被附加到 LangSmith 中的追踪上。
TIP
要详细了解如何使用追踪来调试、评估和监控你的智能体,请参阅 LangSmith 文档。
使用匿名化器防止在追踪中记录敏感数据
你可能希望屏蔽敏感数据,以防止其被记录到 LangSmith。你可以创建匿名化器并使用配置将它们应用 到你的图。此示例将从发送到 LangSmith 的追踪中,对任何匹配社会安全号码格式 XXX-XX-XXXX 的内容进行脱敏。
python
from langchain_core.tracers.langchain import LangChainTracer
from langgraph.graph import StateGraph, MessagesState
from langsmith import Client
from langsmith.anonymizer import create_anonymizer
anonymizer = create_anonymizer([
# Matches SSNs
{ "pattern": r"\b\d{3}-?\d{2}-?\d{4}\b", "replace": "<ssn>" }
])
tracer_client = Client(anonymizer=anonymizer)
tracer = LangChainTracer(client=tracer_client)
# Define the graph
graph = (
StateGraph(MessagesState)
...
.compile()
.with_config({'callbacks': [tracer]})
)