Observability & Production

למה תצפית קריטית במיוחד באפליקציות אגנטיות

לוג רגיל מספר מה קרה בקוד דטרמיניסטי; agent הוא לא דטרמיניסטי — אותה שאלה יכולה להוביל בכל הרצה למספר שונה של סיבובי לולאה, כלים שונים שנבחרו, ואפילו תשובות שונות בניסוח. בלי כלי תצפית ייעודי קשה לדעת בדיעבד למה agent ספציפי הפעיל כלי מסוים, כמה זמן וכסף עלתה הרצה, או איפה בדיוק תהליך תקוע.

ככל שהוספנו יותר שכבות בפרקים הקודמים — middleware, structured output, subagents — כך גדל מספר הצעדים הנסתרים בכל הרצה, וגדל הצורך בכלי שמראה את כולם במקום אחד, ולא רק את התשובה הסופית.

LangSmith: tracing ו-debugging

LangSmith הוא כלי התצפית הרשמי של LangChain: מפעילים אותו דרך משתני סביבה, ומאותו רגע כל agent.invoke או agent.stream נשלח אוטומטית כ-trace מלא — כולל כל קריאה למודל, כל tool call עם הפרמטרים והתוצאה שלו, וזמן/עלות לכל שלב — בלי לשנות שורת קוד אחת בלוגיקת ה-agent עצמה.

שמות משתני הסביבה המדויקים עשויים להשתנות בין גרסאות — כדאי לבדוק את התיעוד הרשמי לערכים העדכניים.

# .env
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=lsv2_...
LANGSMITH_PROJECT=my-langchain-app

Human-in-the-loop בסביבת production

בפרק ה-Safety בנושא AI Agents למדנו שמעורבות אנושית היא סקאלה, לא מתג בינארי, ושעקרון ההרשאה המינימלית חל בעיקר כשיש כמה סוכנים/worker-ים שכל אחד מקבל רק את מה שהוא באמת צריך. באפליקציית LangChain אמיתית, שני העקרונות האלה מתממשים דרך אותו middleware שראינו בפרק הקודם — approval gates שעוצרים פעולות מסוכנות, ומדיניות scoping לכלים של כל sub-agent.

בסביבת production, שילוב הזה (middleware לאכיפה + LangSmith לתצפית) הוא מה שמאפשר לתת ל-agent אוטונומיה אמיתית בלי לאבד שליטה: אפשר לראות בדיוק מה הוא ניסה לעשות, ולעצור אותו לפני שהוא מזיק.

סיכום הנושא: מ-createAgent לאפליקציית production

התחלנו בפרק הראשון ממקום פשוט — למה בכלל צריך פריימוורק, ואיך LangChain ממש את מושגי ה-agent/harness שכבר הכרנו מנושא AI Agents. משם בנינו agent ראשון עם createAgent, בחרנו וקינפגנו model, והגדרנו tools איכותיים עם schema ברור ותיאור מדויק.

בהמשך למדנו לקבל פלט מובנה עם responseFormat, להזרים התקדמות בזמן אמת עם stream, לשמר מידע בין שיחות עם memory ארוך-טווח, ולהתערב בלולאה האגנטית עצמה עם middleware — ולבסוף, בפרק הזה, להרכיב כמה סוכנים יחד ולעקוב אחרי מה שהם עושים בפועל.

כל השכבות האלה יחד — לא אף אחת מהן לבד — הן מה שהופך createAgent בשורה אחת לאפליקציית AI production אמיתית: מודל שבוחרים ומקנפגים, כלים מתועדים היטב, פלט שאפשר לסמוך עליו, זיכרון שחוצה שיחות, מנגנוני בטיחות שאוכפים גבולות, ותצפית שמראה בדיוק מה קרה בכל הרצה.