OpenAI - ChatGPT, Sora
Google - Gemini, Nano Banana
Antrópico - Claude
xAI - Grok
Búsqueda profunda
Alibaba - Reina
ByteDance - Lo mejor de ByteDance
Todos los modelos
Planes empresariales
Desarrollo de aplicaciones de IA
API de traducción de IA
Servicio de SEO/GEO con IA
Servicio de relaciones públicas geooptimizado
Servicio de extracción de datos web
OpenClaw
Las mejores herramientas de IA
Los mejores robots de IA
Acceso
Detener los agentes de depuración
con imprimir().
Usar LangSmith.
LangSmith Es la plataforma líder de observabilidad, evaluación e implementación para aplicaciones LLM e IA agente, desarrollada por el equipo de LangChain. Registra cada llamada al modelo, uso de herramientas y decisión de tus agentes, y te proporciona paneles, evaluaciones y herramientas de aviso para depurarlos como si fueran software profesional. Esta es la guía práctica para profesionales: gestión de cuentas, seguimiento, depuración de LangGraph, evaluaciones y flujo de trabajo de nivel de producción.
Por qué LangSmith sigue siendo importante en 2026.
A medida que la IA agente se generaliza, la IA simple se vuelve más accesible. imprimir() La depuración ya no funciona. Una ejecución de agente moderna es un árbol de llamadas LLM anidadas, invocaciones de herramientas, reintentos y bifurcaciones condicionales, y no se puede depurar eso con logger.infoLangSmith te ofrece cinco funcionalidades que se combinan para formar un flujo de trabajo real:
Crea tu cuenta de LangSmith y clave API.
El plan gratuito para desarrolladores es suficiente para empezar; no se requiere tarjeta de crédito. Las claves de servicio son para producción, los tokens de acceso personal para desarrollo. No los mezcle.
- Ir a smith.langchain.com y regístrate. El plan para desarrolladores es gratuito. — No se necesita tarjeta.
- Inicia sesión con Google, GitHub o correo electrónico; tú eliges.
- Navegar a Configuración → Claves API.
- Crear un
Token de acceso personalpara desarrolladores o unClave de serviciopara despliegues en producción. - Copia la clave; solo la verás una vez. Guárdala en tu gestor de secretos, no en Git.
Instalar herrero largo y configura tu entorno.
Una instalación con pip, tres variables de entorno. La cuarta variable opcional es para residencia en la UE o enrutamiento de punto final personalizado.
pepita instalar langsmith Establecer variables de entorno: agregar a .env o exportar directamente:
exportar TRAZA_LANGSMITH=verdadero exportar CLAVE_API_LANGSMITH=lsv2_xxxxxxxxxxxx # Opcional: Para la UE o una región personalizada # export LANGSMITH_ENDPOINT=https://eu.api.smith.langchain.com
Habilita el rastreo en tu código.
El @rastreable El decorador envuelve cualquier función y transfiere sus entradas, salidas, latencia y llamadas a herramientas a LangSmith. Esa es toda la guía de inicio rápido.
de langchain_openai importar ChatOpenAI de herrero largo importar rastreable @rastreable definición mi_agente(consulta: str): llm = ChatOpenAI(modelo="gpt-4o") devolver llm.invoke(consulta) # O habilitar globalmente importar os os.environ["LANGSMITH_TRACING"] = "verdadero"
Ejecuta tu código. Los registros de seguimiento aparecen automáticamente en el panel de control de LangSmith, normalmente en cuestión de segundos.
Depurar agentes complejos con Gráfico de lenguaje.
LangSmith brilla con más fuerza cuando se combina con LangGraph — Flujos de trabajo con estado, de múltiples nodos y de múltiples agentes. El árbol de trazas se convierte en la propia ejecución del grafo.
- Visualice la ejecución completa del gráfico. — cada nodo, cada arista, cada transición de estado.
- Observa los cambios de estado en cada nodo. No más
imprimir(estado)en doce lugares. - Reproduzca trazas con diferentes modelos o indicaciones. — Probar una hipótesis sin volver a ejecutar la producción.
- Utilice LangSmith Studio para la depuración visual paso a paso de agentes.
Realizar evaluaciones y experimentos.
Las evaluaciones son lo que diferencia una demo de un producto. Sin ellas, cada ajuste de las indicaciones es una suposición. LangSmith integra el flujo de trabajo:
- Crear conjuntos de datos de casos de prueba: comience con 10 ejemplos y luego amplíe a cientos.
- Definir evaluadores — LLM como juez, código personalizado o retroalimentación humana.
- Realiza experimentos y compara versiones. una al lado de la otra, con indicadores de regresión.
- Realiza un seguimiento de la regresión a medida que iteras. ¿La nueva solicitud ha estropeado el ejemplo n.º 7? Lo verás antes de su lanzamiento.
Consejos para usuarios avanzados para despliegues en producción.
- Utilice el motor LangSmith (Novedad en 2026): una capa de IA que analiza los rastros y sugiere soluciones para ejecuciones fallidas o costosas.
- Integración con LangGraph para la memoria persistente y los puntos de control con intervención humana: los dos patrones que más importan después de la etapa de prototipo.
- Supervise los costos, la latencia y las tasas de error. En producción. Establezca umbrales. Reciba alertas antes que los clientes.
- Configura alertas de anomalías. Un aumento de 3 veces en los tokens por llamada es una señal, no una coincidencia.
Resumen de precios · Niveles de 2026.
¿Qué equipos son realmente? usarlo para.
Lista de verificación de acciones — ejecutar hoy.
- Crea tu cuenta de LangSmith y genera una clave API.
- Habilita el rastreo en tu proyecto actual: un decorador, dos variables de entorno.
- Ejecute un flujo de agente e inspeccione el árbol de rastreo resultante.
- Cree un conjunto de datos de evaluación pequeño (de 5 a 10 ejemplos).
- Abre LangSmith Studio y recorre visualmente las instalaciones de tu agente.
LangSmith se ha convertido en el hecho estándar Para un desarrollo serio de IA agente en 2026. Empiece hoy mismo con el plan gratuito y suba de nivel a medida que sus agentes aumenten en complejidad. ¿Qué está creando con LangSmith? Comparta su caso de uso en los comentarios; con gusto le daremos consejos específicos. Última actualización 14 de mayo de 2026Siempre verifique la información oficial. Documentos de LangSmith para conocer las últimas funciones.