LangChain把智能体运维搬进LangSmith：语义搜索查对话，红队测试提前拦问题
核心概要
LangChain在Interrupt NYC与London发布LangSmith多项新功能，让团队在生产环境中拥有自己的智能。此前排查对话只能靠传统过滤器，现在AI Search按语义理解trace，可以直接问“用户是否受挫”或“是否泄露了PII”。同一批更新还包括Managed Deep Agents v0.9、带红队测试的Engine v2、Trajectories、Custom Apps与Fine-Tuning，覆盖构建、理解与改进智能体的环节。
深度剖析
LangSmith新增AI Search，让团队按语义理解检索对话，而不必依赖传统过滤器。 此前查找trace只能靠传统过滤器，无法直接按“用户是否受挫”或“是否泄露了PII”这类问题定位对话。 LangChain在Interrupt NYC与London发布该功能，并给出上述两类示例问题作为检索入口。
同一批更新把智能体的构建、理解与改进串成一条生产链路。 此前团队需要分别处理智能体运行、问题排查与模型调优，缺少在同一平台内衔接的路径。 Managed Deep Agents v0.9支持按每次运行的上下文定制、在Slack中响应、用户级记忆与工具使用、任务调度，并内置免费网页搜索；Engine v2用红队测试在进入生产前发现问题，还能识别低效的智能体工作与指标趋势，并自动测试和验证其提出的修复；Trajectories按时间顺序展示主智能体与子智能体的会话路径；Custom Apps把重复工作流变成基于LangSmith数据的共享工具；Fine-Tuning把生产轨迹转为训练数据，用Baseten或Fireworks微调后再评估和部署。
开源侧LangChain v1.4.0通过langchain.mcp命名空间支持FastMCP。 此前LangChain未提供该命名空间下的FastMCP支持。 LangChain在更新说明中列出LangChain v1.4.0对FastMCP的支持，并提到LangGraph编排TypeSafe AI决策模型Jev以构建运行更快更便宜的智能体。
启示与展望
这则报道面向使用或评估LangSmith与LangGraph的研究人员和工程师，覆盖LangChain在Interrupt NYC与London发布的功能清单，包括AI Search、Managed Deep Agents v0.9、Engine v2、Trajectories、Custom Apps、Fine-Tuning以及LangChain v1.4.0对FastMCP的支持。文中还提到Zip团队此前为早期聊天机器人或智能体添加功能需要数周，且自建trace流水线缺少所需细节，现在用LangSmith和LangGraph发布新功能更快。
功能效果由LangChain在自家活动中发布，材料未给出独立评测或量化对比；AI Search的语义检索质量、Engine v2自动修复的可靠性以及Fine-Tuning后模型的评估结果均未在材料中说明。Zip的案例只说明发布新功能更快，未给出具体时间或指标。