LangSmith får nya verktyg för testning och agenter
LangChain uppdaterar sin utvecklingsplattform LangSmith med bland annat Engine v2, som inkluderar red teaming (automatiserad säkerhetstestning där AI försöker lura sig själv) och automatisk testning. Uppdateringen innehåller även en ny version av Managed Deep Agents samt förbättrad spårning av agentbeteenden. Det är stegvisa men praktiska förbättringar för utvecklare som bygger AI-applikationer.
Djupdykning
LangSmith är LangChains plattform för att bygga, testa och övervaka AI-agenter – tänk det som en kombination av debugger och kvalitetskontroll för LLM-applikationer. Engine v2 tillför "red teaming", vilket i praktiken betyder att systemet aktivt försöker hitta svagheter i dina agenter genom att simulera dåliga aktörer eller kantfall, ungefär som att anlita en etisk hackare för ditt AI-system. Managed Deep Agents är LangChains satsning på agenter som kan hantera längre, mer komplexa uppgiftskedjor utan att tappa tråden – en av de svåraste problemen inom agentutveckling just nu. Fine-tuning-stödet innebär att du kan träna om modeller direkt baserat på data du samlat in i LangSmith, vilket stänger loopen mellan observation och förbättring. Det de flesta missar här är att detta inte primärt är ett produkterbjudande till slutanvändare – det är infrastruktur för AI-team som redan bygger saker i produktion, och signalerar att branschen börjar ta ansvar för agentkvalitet på ett mer systematiskt sätt. Att red teaming nu är inbyggt som standard snarare än en eftertanke säger något om hur mogen verktygssidan av AI-ekosystemet faktiskt håller på att bli.