LangSmith est une plate-forme LLMOps lancée par LangChain, Inc., couvrant le traçage, la surveillance, l'évaluation en ligne/hors ligne, les ensembles de données, les files d'attente d'annotations, le hub d'invites, le terrain de jeu, le déploiement, la flotte et les bacs à sable d'applications d'agent/LLM. Il convient pour faire progresser les applications d'IA, du débogage de prototypes à l'observation de la production et à la gestion des versions.

LangSmith

Paramètres et statistiques de base

Projets	Informations publiques
Positionnement du produit	Plateforme d'observabilité, d'évaluation et de déploiement d'agents IA et LLM
Site officiel	https://www.langchain.com/langsmith
Portail de candidature	https://smith.langchain.com
Modules de base	Observabilité, évaluation, déploiement, moteur, flotte, bacs à sable, Prompt Hub, aire de jeux
SDK et accès	Python, TypeScript, Go, SDK Java ; prend en charge l'accès à OpenTelemetry
Formulaires de déploiement	Cloud, hybride, auto-hébergé ; Enterprise prend en charge l'exécution dans les clusters Kubernetes des clients
Région de données cloud	Les données gérées par smith.langchain.com sont stockées dans GCP us-central-1
Niveaux payants	Développeur, Plus, Entreprise
Crédits gratuits	Le plan développeur comprend 5 000 traces de base/mois et 50 exécutions de flotte/mois
Dernières mises à jour publiques	Journal des modifications de LangSmith Cloud du 08/06/2026 au 12/06/2026

Limite du produit : LangSmith n'est pas une grande plate-forme de formation de modèles et n'est pas non plus responsable du remplacement des API d'inférence de fournisseurs de modèles tels que OpenAI, Anthropic et Google. Sa position principale réside dans la couche d'application de l'IA, établissant des contrôles d'ingénierie autour des entrées, des sorties, des appels d'outils, du contexte, de la latence, du coût, des résultats d'évaluation et de l'état d'exécution du déploiement.

Signification de l'accès : LangSmith est le plus fluide pour les utilisateurs de LangChain/LangGraph, mais il ne sert pas seulement l'écosystème LangChain. La page officielle du produit indique clairement que n'importe quelle pile d'agents est accessible via Python, TypeScript, Go, Java SDK ou OpenTelemetry, ce qui en fait davantage une plate-forme LLMOps au niveau de l'équipe plutôt qu'un panneau de débogage pour un seul framework.

Reconnaissance des utilisateurs et du marché

Signal d'adoption par l'entreprise : la page produit de LangSmith affiche les logos des clients tels que Klarna, Vanta, Clay, Rippling, Lyft, Gong, Harvey, Abridge, Cloudflare, Bristol Myers Squibb, Workday, Cisco, Mercor, Nvidia, etc., et présente son positionnement au niveau de la production avec « Aider les meilleures équipes à expédier d'excellents agents ». Ces informations montrent que les clients cibles de LangSmith couvrent déjà les équipes SaaS, médicales, commerciales, cloud et technologiques des grandes entreprises.

Position écologique : LangSmith, LangChain et LangGraph forment une combinaison de « cadre de développement - orchestration d'agents - observation, évaluation et déploiement ». Pour les équipes qui utilisent LangGraph pour créer des agents à liens longs, LangSmith peut gérer les résultats de trace, d'ensemble de données, d'expérimentation, de déploiement et d'alerte, réduisant ainsi le coût de basculement entre les plateformes de journaux, l'évaluation des tables et la lecture manuelle.

Éléments non divulgués : LangChain, Inc. ne divulgue pas le nombre de clients payants uniques, les revenus, les taux de renouvellement ou les taux de pénétration de LangSmith dans divers secteurs sur la page du produit. L'ampleur commerciale pertinente ne peut être basée que sur des divulgations officielles ultérieures et ne peut être déduite des logos des clients ou de la popularité de l'écosystème open source en tant que chiffre précis.

Avantage de coût

Côté C/développeur individuel : le plan développeur coûte 0 $/siège/mois et comprend 5 000 traces de base/mois, 1 siège, 50 exécutions de flotte/mois, des évaluations en ligne/hors ligne, Prompt Hub, Playground, Canvas, des files d'attente d'annotations, une surveillance et des alertes. Pour un PoC personnel ou précoce, vous pouvez d'abord configurer les liens principaux sans acheter au préalable un package d'entreprise.

Équipe de développement/API : le forfait Plus coûte 39 $/siège/mois et comprend 10 000 traces de base/mois, 1 déploiement d'agent de la taille d'un développeur, jusqu'à 3 espaces de travail, une assistance par e-mail, 500 exécutions de flotte/mois et un accès au moteur et aux bacs à sable. Pour les petites équipes, les coûts explicites proviennent des sièges, du suivi des exécutions de flotte excédentaires, des exécutions de déploiement et de la disponibilité du déploiement ; les coûts implicites proviennent de l'accès au SDK, de la désensibilisation des champs sensibles, de la maintenance des ensembles de données d'évaluation et de la gestion des règles d'alarme.

Scénario Entreprise/privatisé : Entreprise est une tarification personnalisée, couvrant les hybrides/auto-hébergés, les données ne quittent pas le VPC, le SSO/RBAC personnalisé, le SLA de prise en charge, la formation des équipes, les conseils en matière d'architecture, les sièges/espaces de travail personnalisés et les packages Fleet, Engine et Sandboxes. Le coût total de l'entreprise ne comprend pas seulement le prix de l'abonnement, mais comprend également les coûts d'exploitation et de maintenance des ressources cloud Kubernetes, l'audit, le modèle d'autorisation et les coûts de déploiement entre équipes.

Fonctions principales

• Traçage : observez le processus d'exécution de l'agent étape par étape et localisez les nœuds qui affectent la latence, le coût et la qualité de la réponse. Pour plusieurs séries de conversations et de scénarios d'appel d'outils, trace peut décomposer « pourquoi le modèle a répondu de cette façon » en preuves techniques rejouables.
• Surveillance et tableaux de bord : résumez les traces de production en indicateurs en temps réel, alarmes et panneaux de surveillance de la qualité, adaptés à l'observation continue des augmentations soudaines des coûts, de la gigue des retards, de la dégradation de la qualité et des appels d'outils anormaux.
• Évaluation en ligne/hors ligne : l'évaluation hors ligne utilise des ensembles de données sélectionnés pour comparer les invites, les modèles et les stratégies de récupération avant la publication ; L'évaluation en ligne applique des règles de sécurité, de format, de qualité et de LLM en tant que juge sur les traces de production, et peut utiliser l'échantillonnage pour contrôler les coûts.
• Ensembles de données et expériences : redistribuez les échantillons ayant échoué en ligne dans des ensembles de données et comparez différentes versions dans le même tableau d'expériences. En juin 2026, le journal des modifications a ajouté des barres de progression expérimentales et des pourcentages dérivés de commentaires catégoriques pour faciliter l'analyse des résultats de réussite/échec.
• Files d'attente d'annotations et commentaires : prend en charge l'annotation en ligne de la file d'attente de commentaires manuels, le SDK de commentaires des utilisateurs et l'URL de commentaires présignée, qui convient pour précipiter les résultats d'inspection qualité manuelle dans des actifs d'évaluation réutilisables.
• Prompt Hub, Playground et Canvas : prend en charge le débogage rapide, la collaboration entre les versions et le processus d'amélioration automatique, réduisant ainsi le risque de régression causé par la modification directe en ligne de l'invite.
• Déploiement : fournit un environnement d'exécution de déploiement pour la charge de travail de l'agent, couvrant l'exécution durable, le streaming en temps réel et la mise à l'échelle horizontale, et peut déclencher le déploiement à partir de GitHub ou Studio.
• Engine, Fleet, Sandboxes : le moteur est utilisé pour découvrir automatiquement les problèmes récurrents dans les traces et diagnostiquer les causes profondes ; Fleet permet à plusieurs rôles dans l'entreprise d'utiliser des agents ; Les bacs à sable sont utilisés pour exécuter en toute sécurité le code généré par l'agent et prennent en charge les règles d'agent pour se connecter aux services cloud.

Evolution du modèle et de la version

Version principale de LangSmith

2026-06-08 au 2026-06-12 Mise à jour Cloud : enregistrements du journal des modifications de LangSmith Cloud, affichage des dépenses au niveau du projet du moteur, barre de progression du tableau d'expérimentation, graphiques à barres/lignes des tableaux de bord v2, le déploiement déclenche les agents Google ADK de Studio pour déployer le proxy d'authentification AWS Sandbox et l'instantané Dockerfile et d'autres mises à jour. Cela illustre que l'orientation récente de LangSmith s'est étendue de la pure observabilité au déploiement, au sandboxing et à la gouvernance des coûts.

2026-06-01 au 2026-06-05 Mise à jour cloud : le même journal des modifications montre que la charge utile du webhook de règle d'exécution ajoute des fonctionnalités telles que le lien profond de trace, l'AG des dépenses du moteur par espace de travail, la rotation du secret du webhook du moteur, le proxy d'authentification Sandbox GCP et le pourcentage de dérivation de la table d'expérimentation pour renforcer l'automatisation, la transparence des coûts et l'accès au bac à sable inter-cloud.

Les jalons historiques de LangSmith

2024-02-15 GA : Le blog officiel de LangChain a annoncé que LangSmith est généralement disponible, positionné comme une plate-forme de niveau production pour le développement, la surveillance, les tests et l'évaluation d'applications LLM. Le nœud GA signifie que le produit passe des essais bêta à une étape de commercialisation plus stable.

2023-07-18 Bêta publique : le blog officiel de LangChain a annoncé LangSmith, proposant d'utiliser une plate-forme unifiée pour aider les développeurs à déboguer, tester, évaluer et surveiller les applications LLM. Ce nœud a établi la direction de LangSmith en tant que produit principal de la plateforme commerciale LangChain.

Avantages techniques

Mécanisme de traçage asynchrone : description de la page produit Le SDK LangSmith utilise un gestionnaire de rappel asynchrone pour envoyer des traces au collecteur distribué, afin qu'il ne bloque pas le processus principal de l'application. L'avantage du mécanisme est que l'application peut signaler en continu des traces dans l'environnement de production sans avoir à attendre que la plateforme d'observation réponde de manière synchrone à chaque appel LLM ; les scénarios applicables sont les backends d’agents de service client à haute concurrence et les questions et réponses sur les connaissances internes.

Accès OpenTelemetry et multi-SDK : la page officielle fournit les chemins Python, TypeScript, Go, Java SDK et OpenTelemetry. Mécaniquement, l'équipe peut réutiliser les spécifications d'observabilité existantes et intégrer la trace LLM dans un système de surveillance technique plus vaste ; l'effet est de réduire les coûts d'accès aux services multilingues et convient aux scénarios de backend et de microservices polyglottes.

Les données d'évaluation et d'observation proviennent de la même source : LangSmith place les traces de production, les ensembles de données, les expériences, les évaluations en ligne et les files d'attente d'annotation sur la même plateforme. Mécaniquement, les échantillons de défaillances en ligne peuvent être directement transformés en données de tests de régression ; l'effet est que les ajustements d'invite, de modèle et de récupération ont des références reproductibles, ce qui convient aux équipes de produits d'agent avec des itérations fréquentes.

Le temps d'exécution du déploiement est lié à l'observation : le déploiement utilise le modèle d'exécution des assistants, des threads et des exécutions, et est connecté à la détection des pannes du moteur. Mécaniquement, l'état d'exécution de l'agent après déploiement peut être directement analysé par trace et moteur ; l'effet va de « consulter le journal après la mise en ligne » à « localiser le mode de défaillance sur la base de traces après la mise en ligne », ce qui convient aux environnements de production multi-versions et multi-agents.

Comment utiliser

Chemin d'utilisation	Entrée	Étapes typiques	Scénarios d'adaptation
Accès rapide au cloud	https://smith.langchain.com	Enregistrez un compte -> Créer un espace de travail/un projet -> Obtenir la clé API -> Configurer le SDK/les variables contextuelles dans l'application -> Afficher les traces et les tableaux de bord	PoC personnel, petite équipe
Flux de travail d'évaluation	Documents d'évaluation LangSmith	Créer un ensemble de données -> Configurer l'évaluateur -> Exécuter une expérience hors ligne -> Redistribuer les échantillons ayant échoué -> Configurer l'évaluateur en ligne	Contrôle de qualité avant la sortie et surveillance de la qualité en ligne
Déploiement	Documents de déploiement LangSmith/Studio	Connectez-vous à GitHub ou utilisez CLI -> Créer un déploiement d'agent -> Configurer les threads/exécutions -> Observer les traces et les problèmes du moteur	Déploiement en production LangGraph/Agent
Auto-hébergé / Hybride	Documents de configuration de la plateforme	Confirmer le plan Entreprise -> Préparer Kubernetes, PostgreSQL, Redis et autres infrastructures -> Configurer le plan de contrôle et le plan de données -> Se connecter à SSO/RBAC	Les données ne quittent pas VPC, une organisation de conformité solide

Étapes minimales de mise en œuvre : sélectionnez d'abord un lien à forte valeur ajoutée, tel qu'un service client de questions et réponses, un assistant commercial ou un agent de base de connaissances interne ; connecter le traçage pour établir quatre indicateurs de base de latence, de coût, d'erreur et de qualité ; puis créez un ensemble de données à partir de traces de défaillances réelles, utilisez l'évaluation hors ligne pour vérifier et réparer ; enfin, connectez l'évaluation en ligne et alertez sur le processus de publication.

Prix des produits

Planifier	Prix ​​public	Y compris les quotas et les capacités	Positionnement typique
Développeur	0 $/siège/mois, puis payez au fur et à mesure	5 000 traces de base/mois 50 exécutions de flotte/mois 1 siège, traçage, évaluations, Prompt Hub, Playground, Canvas, files d'attente d'annotations, surveillance, alertes	Vérification personnelle et anticipée
Plus	39 $/siège/mois, puis payez au fur et à mesure	10 000 traces de base/mois 1 déploiement d'agent de la taille d'un développeur, 500 exécutions de flotte/mois, jusqu'à 3 espaces de travail, assistance par e-mail, moteur, bacs à sable	Constitution d'équipes et déploiement d'agents
Entreprise	Tarification personnalisée	Hybride/auto-hébergé, SSO/RBAC personnalisé, SLA de support, conseils en architecture sièges/espaces de travail personnalisés, packages flotte/moteur/bacs à sable	Sécurité, conformité, privatisation et équipes à grande échelle

Limite des éléments d'utilisation : la page de tarification répertorie également les dimensions de facturation telles que les exécutions de déploiement personnalisées, la disponibilité du déploiement, les exécutions de flotte, le moteur, les bacs à sable et les événements de trace. L'utilisation du LLM est facturée séparément par les fournisseurs de modèles et n'est pas incluse dans les prix de LangSmith. Avant d'acheter formellement, vous devez vous référer à la page officielle de tarification en temps réel et aux conditions du contrat.

Scénarios d'application

• Agent de production observable : lorsque les agents en plusieurs étapes subissent des retards élevés, des coûts élevés ou des appels d'outils incorrects, LangSmith trace peut relire les états d'entrée, de sortie et intermédiaires étape par étape, aidant ainsi l'équipe d'ingénierie à déterminer s'il y a un problème avec les invites de récupération, les outils ou la sélection de modèle.
• Accès à l'évaluation préliminaire : l'équipe produit organise les problèmes réels, les échantillons limites et les échantillons d'échecs dans un ensemble de données, et utilise l'évaluation hors ligne pour comparer les anciens et les nouveaux invites, modèles et stratégies RAG afin d'éviter la régression d'un « bon effet de démonstration locale, mais d'une détérioration globale en ligne ».
• Surveillance de la qualité en ligne : surveillez la sécurité, le format, la factualité, les coûts et les délais grâce à une évaluation en ligne, des tableaux de bord et des alertes. Il convient à la définition de seuils de qualité continus pour des scénarios à haut risque tels que le service client, les documents médicaux et les questions et réponses juridiques.
• Collaboration pour le déploiement d'agents : l'équipe R&D utilise LangSmith Deployment pour héberger des agents à exécution longue et forme un lien de localisation des problèmes après le déploiement via le streaming en temps réel, la mise à l'échelle horizontale, les modèles de threads/exécutions et le moteur.
• Distribution interne des agents : Fleet convient pour transférer des agents en tant que capacités au niveau de l'entreprise à différents rôles commerciaux, tout en permettant à l'équipe d'ingénierie de conserver les capacités de suivi, d'autorisations, d'utilisation et de gestion de la qualité.

Personnes concernées

• Équipe R&D Application AI : Il est nécessaire de transformer le prototype en service en ligne et d'observer en permanence la trace, la qualité, le coût et les délais. La condition préalable est que vous souhaitiez connecter le SDK ou OpenTelemetry dans votre application.
• LLMOps/Platform Engineering Team : Il est nécessaire de fournir une infrastructure unifiée de traçage, d'évaluation, d'invite, d'ensemble de données et de déploiement pour plusieurs secteurs d'activité afin d'éviter de créer des outils dispersés pour chaque secteur d'activité.
• Équipe produit et qualité : il est nécessaire d'utiliser des ensembles de données reproductibles, des files d'attente d'annotations, des résultats d'expériences et des évaluations en ligne pour participer à l'acceptation des fonctions d'IA, plutôt que de se fier uniquement à l'expérience subjective.
• Équipe de sécurité et de conformité de l'entreprise : nécessite des capacités hybrides/auto-hébergées, SSO/RBAC, de résidence des données et d'audit. Ce groupe doit donner la priorité à la confirmation des termes de l'entreprise, des zones de données, de la conservation des journaux et des détails du contrôle d'accès.

Ne convient pas aux limites : les projets qui ne font que des démonstrations ponctuelles, n'ont pas de plans en ligne continus, n'ont pas d'échantillons d'évaluation et ne nécessitent pas de collaboration d'équipe pourraient ne pas être en mesure de refléter toute la valeur de LangSmith à court terme. Pour les scripts personnels très légers et à très faible coût, il peut être plus simple d'utiliser directement les journaux du fournisseur de modèles ou les journaux structurés locaux.

Résumé et Outlook

La valeur fondamentale de LangSmith est de regrouper les preuves de débogage, les observations de production, les données de mesure, les retours humains et l'état des opérations de déploiement des applications LLM/Agent dans la même plateforme d'ingénierie. Il convient particulièrement aux équipes d'IA qui sont entrées dans la phase de production ou de quasi-production, car le problème pour ces équipes n'est souvent plus « de savoir si le modèle peut être appelé », mais « si la qualité est stable, si le coût est contrôlable, si l'échec est reproductible et s'il peut être annulé après la mise en ligne ».

Il existe actuellement quatre catégories principales de limitations et d'incertitudes : premièrement, les conditions de sécurité d'entreprise, hybrides/auto-hébergées, SLA et avancées nécessitent une confirmation commerciale ; Deuxièmement, la zone de données Cloud est exposée en tant que GCP us-central-1, et les exigences de conformité interrégionales ou locales nécessitent une vérification du plan de déploiement ; troisièmement, les modules tels que Fleet, Engine, Sandboxes, Deployment sont toujours en itération rapide et les journaux de modifications doivent être consultés avant la mise à niveau ; quatrièmement, les frais d'inférence LLM sont facturés indépendamment par le fournisseur de modèles, LangSmith. Cela ne peut qu'aider à l'observation et à la gouvernance, mais ne peut pas éliminer le coût sous-jacent du modèle.

La suggestion de mise en œuvre est de commencer le test avec 1 à 2 liens IA clés et de quantifier la couverture des traces, le taux de récurrence des échecs en ligne, le taux de réussite de l'évaluation, le délai moyen et le coût unitaire des demandes ; lorsque ces indicateurs peuvent entrer de manière stable dans le processus de publication, puis s'étendre au déploiement multi-projets, multi-espaces de travail et au niveau de l'entreprise. Les pages de tarification, les limites d'événements de trace de conservation des données SSO/RBAC, les SLA de zone de déploiement et les stratégies de mise à niveau auto-hébergées doivent être examinés avant d'effectuer un achat formel.

Outils associés : Copilote GitHub, Curseur

Informations de version

• Mise à jour de LangSmith Cloud du 8 au 12 juin 2026 ：Les mises à jour annoncées par le journal des modifications de LangSmith Cloud du 8 au 12 juin 2026 couvrent l'affichage des dépenses au niveau du projet Engine, la barre de progression expérimentale, le graphique Dashboards v2. Le déploiement déclenche le déploiement des agents Google ADK à partir de l'agent certifié AWS Studio et Sandboxes et d'autres fonctionnalités. （2026-06-12）
• Mise à jour de LangSmith Cloud du 1er au 5 juin 2026 ：Le journal des modifications de LangSmith Cloud annonce des mises à jour pour exécuter le lien profond de trace du webhook de règle, les dépenses du moteur de l'espace de travail GA, le proxy d'authentification Sandbox GCP, le pourcentage de dérivation de la table d'expérimentation, etc. （2026-06-05）
• Généralement disponible ：Le blog officiel LangChain a annoncé LangSmith GA, soulignant ses capacités en matière de développement, de suivi, de test et d'évaluation des applications LLM. （2024-02-15）
• Bêta publique de LangSmith ：Le blog officiel LangChain a annoncé LangSmith, positionné comme une plate-forme unifiée pour aider les développeurs à déboguer, tester, évaluer et surveiller les applications LLM. （2023-07-18）