Executar código em agentes de IA é complexo, pois eles necessitam de um ambiente computacional completo (filesystem, shell), mas conceder acesso direto à infraestrutura é perigoso. A solução proposta, como os LangSmith Sandboxes, visa fornecer um 'computador' seguro e dedicado para cada tarefa do agente.
Este artigo aborda o problema crítico da observabilidade de agentes em IA e LLMs, onde questões como loops infinitos ou recuperação deficiente podem surgir após a implantação. Ele apresenta e compara ferramentas como LangSmith, Langfuse e Arize, projetadas para resolver esses desafios.
O artigo diferencia ferramentas de observabilidade de IA como LangSmith, úteis para depuração e engenharia, de trilhas de auditoria necessárias para conformidade e regulamentação. Ele enfatiza que as primeiras respondem a questões de "por que não funcionou?", enquanto as últimas provam a autorização e as ações do agente de IA.
Este conteúdo apresenta o novo recurso Insights Agent do LangSmith, projetado para analisar automaticamente os rastreamentos de produção de sistemas de IA implantados. Ele ajuda a identificar padrões de uso, comportamentos comuns e modos de erro recorrentes para melhor monitoramento e aprimoramento.
LangSmith Sandboxes estão agora geralmente disponíveis, permitindo a execução segura de agentes de IA através de microVMs isoladas por kernel. Estas ferramentas são ideais para agentes de codificação, CI e pipelines de dados, oferecendo funcionalidades como snapshots e forks paralelos.
Este artigo oferece um guia prático combinando aprendizados de LangChain e Anthropic para avaliar agentes de IA profunda. Ele detalha como aplicar padrões de avaliação, construir avaliações offline com pytest e LangSmith, e configurar monitoramento online usando um agente text-to-SQL com Amazon Bedrock.
LangSmith Engine monitora rastreamentos de produção, agrupa falhas em problemas nomeados e propõe correções direcionadas e cobertura de avaliação. Ele visa eliminar a triagem manual de falhas de agentes.
Este é um resumo de dois dias do Interrupt 2026, destacando o LangSmith Engine, Sandboxes GA, LangChain Labs e 23 palestras de empresas como LinkedIn, Rippling e Cisco. O conteúdo está agora disponível sob demanda.
A Lyft utilizou o LangGraph e o LangSmith para construir uma plataforma de agentes de IA de autoatendimento para suporte ao cliente. Isso reduziu o tempo de desenvolvimento de agentes de meses para semanas.
Este artigo detalha como o Auth Proxy protege os sandboxes de agentes LangSmith. Ele mantém credenciais seguras, restringe o acesso de rede dos agentes e fornece controle de infraestrutura sobre como os agentes acessam serviços externos.
O Mission Control auxilia equipes na operação de LangSmith auto-hospedado no Kubernetes. Ele oferece configuração em cluster, verificações pré-voo, visualizações de saúde, lançamentos e diagnósticos para otimizar a gestão.
