追踪是一系列步骤，应用程序通过这些步骤从输入到输出。每个单独的步骤都由一次运行表示。您可以使用 LangSmith 来可视化这些执行步骤。要使用它， 为您的应用程序启用追踪。这使您能够执行以下操作：

• * 调试本地运行的应用程序.
• * 评估应用程序性能.
• * 监控应用程序.

前提条件

在开始之前，请确保您具备以下条件：

• 一个 LangSmith 账户：注册（免费）或登录 smith.langchain.com.
• 一个 LangSmith API 密钥：请按照 创建 API 密钥 guide.

启用追踪

要为您的应用程序启用追踪，请设置以下环境变量：

默认情况下，追踪将记录到名为 default的项目中。若要配置自定义项目名称，请参阅 记录到项目.

更多信息，请参阅 使用 LangGraph 进行追踪.

选择性追踪

您可以选择使用 LangSmith 的 tracing_context 上下文管理器来追踪特定的调用或应用程序部分：

# 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"}]})

记录到项目

with ls.tracing_context(project_name="email-agent-test", enabled=True):
    response = agent.invoke({
        "messages": [{"role": "user", "content": "Send a welcome email"}]
    })

向追踪添加元数据

您可以使用自定义元数据和标签为追踪添加注释：

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 也接受标签和元数据以进行细粒度控制：

with ls.tracing_context(
    project_name="email-agent-test",
    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"}]}
    )

此自定义元数据和标签将附加到 LangSmith 中的追踪。

使用匿名化器防止追踪中敏感数据的记录

您可能希望屏蔽敏感数据以防止其被记录到 LangSmith。您可以创建 匿名化器 并使用配置将其应用到 您的图中。此示例将从发送到 LangSmith 的追踪中删除任何匹配社会安全号码格式 XXX-XX-XXXX 的内容。

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]})
)