LangChain erweitert LangSmith um KI-Suche, Fine-Tuning und eigene Apps

Neue LangSmith-Funktionen für Agenten im Produktivbetrieb

Der Newsletter von LangChain vom Oktober 2026 nennt sechs Neuerungen für LangSmith, die Plattform des Unternehmens für Agent Engineering.

• LangSmith AI Search: ermöglicht es, Konversationen über ein semantisches Verständnis ihrer Traces zu finden. Das Unternehmen nennt Beispielfragen wie „War der Nutzer frustriert?“ oder „Sind personenbezogene Daten (PII) abgeflossen?“, die ohne klassische Filter gestellt werden.
• Managed Deep Agents v0.9: dient dem Aufbau dynamischer, personalisierter Agenten, die auf den Kontext des jeweiligen Durchlaufs zugeschnitten sind. Laut LangChain können diese Agenten in Slack reagieren, verfügen über Gedächtnis und Tool-Nutzung auf Nutzerebene und können Aufgaben planen. Eine integrierte Websuche ist kostenlos enthalten.
• LangSmith Engine v2: ergänzt Red Teaming, um Probleme vor dem Produktivstart aufzuspüren. Laut LangChain erkennt Engine zudem schwerer auffindbare Probleme wie ineffiziente Agentenarbeit und Metrik-Trends und testet und validiert die vorgeschlagenen Korrekturen automatisch.
• LangSmith Trajectories: bietet eine chronologische Ansicht jeder Sitzung über den Hauptagenten und seine Subagenten hinweg, sodass Entwickler den Weg eines Agenten durch die Trace-Daten nachvollziehen können.
• LangSmith Custom Apps: erlaubt Teams, eigene Oberflächen direkt in LangSmith zu bauen, zu veröffentlichen und auszuführen und so wiederkehrende Workflows in gemeinsam genutzte Werkzeuge auf Basis ihrer LangSmith-Daten zu verwandeln.
• LangSmith Fine-Tuning: wandelt Trajektorien aus dem Produktivbetrieb in Trainingsdaten um, feintunt Modelle mit Baseten oder Fireworks und evaluiert und betreibt die angepassten Modelle anschließend.

Open-Source-Updates und Lernangebote

Auf der Open-Source-Seite unterstützt LangChain v1.4.0 nun FastMCP über den Namespace langchain.mcp. Der Newsletter verweist außerdem auf einen Beitrag über den Bau von Produktiv-Agenten mit Jev und LangGraph. Er zeigt, wie LangGraph Jev, das Entscheidungsmodell von TypeSafe AI, orchestriert, um Agenten zu entwickeln, die laut LangChain schneller und günstiger im Betrieb sind.

Das Unternehmen wirbt zudem für The Agentic Operating Model, ein Framework dazu, wie führende Teams Menschen, Prozesse und Technologie zusammenbringen, um KI in der Produktion zu skalieren. Es behandelt unter anderem, wie sich der Entwicklungszyklus von Agenten neu denken lässt, wie kontinuierliche Evaluierungspraktiken aufgebaut und Governance verankert werden. Virtuelle Sessions waren für EMEA am 29. Oktober um 10:00 Uhr GMT / 11:00 Uhr MEZ und für Nordamerika am 5. November um 10:00 Uhr PT / 13:00 Uhr ET angesetzt.

Angekündigt wurden außerdem zwei Live-Workshops unter dem Titel Speak the Lang. Agent Evals 101 am 28. Oktober behandelt die Messung der Agentenleistung anhand ihrer Ausführungstrajektorie, also der Abfolge von Nachrichten und Tool-Aufrufen, die der Agent erzeugt. Agent Memory 101 am 3. November widmet sich Context Engineering und der Frage, wie Deep Agents, das Open-Source-Agenten-Harness von LangChain, dabei hilft, Kontextfenster schlank zu halten.

Veranstaltungen und Kundenbeispiel

LangChain nannte mehrere anstehende eigene Veranstaltungen, darunter einen Hackathon mit Data Reply in München am 27. Oktober zum Bauen mit Agent Harnesses sowie eine LangSmith Roadshow in Chicago am selben Tag. Weitere Termine sind ein Meetup in Vienna, VA, am 29. Oktober und eine Session in Toronto am 4. November darüber, wie sich Intelligenz mit Open-Weight-Modellen selbst besitzen lässt. Für Mexiko-Stadt war am 29. Oktober ein Community-Event zu Agenten im Produktivbetrieb aufgeführt.

Als Kundenbeispiel nennt der Newsletter Zip. Früher dauerte es Wochen, eine Funktion in eine frühe Version des eigenen Chatbots oder Agenten einzubauen, und der hauseigenen Traces-Pipeline fehlten Details, die das Team brauchte. Laut LangChain machen LangSmith und LangGraph das Ausliefern neuer Funktionen inzwischen schneller.

Was das für Teams bedeutet, die Agenten bauen

Die Neuerungen decken mehrere Phasen des Agenten-Lebenszyklus ab: Probleme in Traces finden, vor dem Deployment auf Fehler testen und Produktivdaten zurück ins Modelltraining speisen. Für Teams, die bereits Agenten auf LangSmith betreiben, könnten die Fine-Tuning-Option mit Baseten oder Fireworks und die semantische Suche den Weg vom Erkennen eines Problems bis zu seiner Behebung verkürzen. Zu Preisen oder Verfügbarkeit der neuen Funktionen macht der Newsletter keine Angaben, abgesehen vom Hinweis, dass die Websuche in Managed Deep Agents kostenlos ist.