> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-docs-zh.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# LangSmith 可观测性

> 跟踪是一系列智能体从输入到输出所采取的步骤。每个步骤都由一个运行表示。您可以使用 LangSmith 来可视化这些执行步骤。要使用它，为您的智能体启用跟踪。这使您能够执行以下操作：

跟踪是一系列智能体从输入到输出所采取的步骤。每个步骤都由一个运行表示。您可以使用 [LangSmith](https://smith.langchain.com) 来可视化这些执行步骤。要使用它，[为您的智能体启用跟踪](https://docs.langchain.com/langsmith/trace-with-langgraph)。这使您能够执行以下操作：

* [调试本地运行的智能体](https://docs.langchain.com/langsmith/observability-studio#debug-langsmith-traces)。
* [评估智能体性能](https://langchain-docs-zh.mintlify.site/langchain/oss/langchain/test/evals.md)。
* [监控智能体](https://docs.langchain.com/langsmith/dashboards)。

## 前提条件

在开始之前，请确保您拥有以下内容：

* **一个 LangSmith 账户**：注册（免费）或登录 [smith.langchain.com](https://smith.langchain.com)。
* **一个 LangSmith API 密钥**：遵循 [创建 API 密钥](https://docs.langchain.com/langsmith/create-account-api-key) 指南。

## 启用跟踪

> [!NOTE]
>
> 在一个 [基于智能体的工作空间](https://docs.langchain.com/langsmith/agent-registry) 中，在发送跟踪信息之前，先 [创建一个智能体](https://docs.langchain.com/langsmith/create-an-agent)。使用 [智能体寻址](https://docs.langchain.com/langsmith/log-traces-to-agent) 来选择其标识符和环境。如果集成需要 `project_name`，请使用所选环境的 [`tracer_session_name`](https://docs.langchain.com/langsmith/create-an-agent#use-an-environment-project) 作为兼容性值。

要为您的智能体启用跟踪，请设置以下环境变量：

```bash theme={null}
export LANGSMITH_AGENT_ID="<your-agent-id>"
export LANGSMITH_AGENT_ENVIRONMENT="production"
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<your-api-key>
```

跟踪将出现在设置过程中配置的目标位置。

有关更多信息，请参阅 [使用 LangGraph 进行跟踪](https://docs.langchain.com/langsmith/trace-with-langgraph)。

## 选择性跟踪

您可以使用 LangSmith 的 `tracing_context` 上下文管理器选择跟踪特定的调用或智能体的部分：

:::python

```python theme={null}
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"}]})
```

:::

:::js

```ts theme={null}
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";

// This WILL be traced
const tracer = new LangChainTracer();
await agent.invoke(
  {
    messages: [{role: "user", content: "Send a test email to alice@example.com"}]
  },
  { callbacks: [tracer] }
);

// This will NOT be traced (if LANGSMITH_TRACING is not set)
await agent.invoke(
  {
    messages: [{role: "user", content: "Send another email"}]
  }
);
```

:::

## 选择智能体和环境

使用 `LANGSMITH_AGENT_ID` 和 `LANGSMITH_AGENT_ENVIRONMENT` 选择已注册的智能体和环境。对于按请求路由，请在代码中传递智能体地址。参见 [将跟踪记录到智能体](https://docs.langchain.com/langsmith/log-traces-to-agent)。

> [accordion] Project-based workspaces and self-hosted LangSmith
>
> 将 `LANGSMITH_PROJECT` 设置为跟踪项目名称，而不是设置智能体变量。对于需要在基于智能体的工作区中要求 `project_name` 的集成，请将环境的 [`tracer_session_name`](https://docs.langchain.com/langsmith/create-an-agent#use-an-environment-project) 作为兼容值使用。

## 向跟踪添加元数据

您可以使用自定义元数据和标签来注释您的跟踪：

:::python

```python theme={null}
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进行细粒度控制：

```python theme={null}
with ls.tracing_context(
    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"}]}
    )
```

:::

:::js

```ts theme={null}
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";

const tracer = new LangChainTracer();
await agent.invoke(
  {
    messages: [{role: "user", content: "Send a test email to alice@example.com"}]
  },
  config: {
    tags: ["production", "email-assistant", "v1.0"],
    metadata: {
      userId: "user123",
      sessionId: "session456",
      environment: "production"
    }
  },
);

```

:::

这些自定义元数据和标签将被附加到 LangSmith 中的跟踪。

> [!TIP]
>
> 要了解更多关于如何使用跟踪来调试、评估和监控您的智能体的信息，请参阅 [LangSmith 文档](https://docs.langchain.com/langsmith/observability)。

## 使用匿名化器防止在跟踪中记录敏感数据

您可能希望遮盖敏感数据以防止其被记录到 LangSmith。您可以创建 [匿名化器](https://docs.langchain.com/langsmith/mask-inputs-outputs#rule-based-masking-of-inputs-and-outputs) 并使用配置将其应用于您的图。此示例将从发送到 LangSmith 的跟踪中删除与社会保障号码格式 XXX-XX-XXXX 匹配的内容。

:::python

```python Python theme={null}
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]})
)
```

:::
:::js

```typescript TypeScript theme={null}
import { StateGraph } from "@langchain/langgraph";
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";
import { StateAnnotation } from "./state.js";
import { createAnonymizer } from "langsmith/anonymizer"
import { Client } from "langsmith"

const anonymizer = createAnonymizer([
  // Matches SSNs
  { pattern: /\b\d{3}-?\d{2}-?\d{4}\b/, replace: "<ssn>" }
])

const langsmithClient = new Client({ anonymizer })
const tracer = new LangChainTracer({
  client: langsmithClient,
});

export const graph = new StateGraph(StateAnnotation)
  .compile()
  .withConfig({ callbacks: [tracer] });
```

:::

***

> 官方原文：[src/oss/langgraph/observability.mdx](https://github.com/langchain-ai/docs/blob/main/src/oss/langgraph/observability.mdx) · 非官方翻译，译文由 AI 生成，以英文原文为准。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.