跟踪是您的应用程序从输入到输出所采取的一系列步骤。这些单独的步骤中的每一个都由运行表示。您可以使用 LangSmith 可视化这些执行步骤。要使用它，请为您的应用程序启用跟踪。这使您能够执行以下操作：

​
先决条件

在开始之前，请确保您具备以下条件：

​
启用跟踪

要为您的应用程序启用跟踪，请设置以下环境变量： 
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<your-api-key>
默认情况下，跟踪将记录到名称为 default 的项目。要配置自定义项目名称，请参阅记录到项目。 有关更多信息，请参阅使用 LangGraph 跟踪。

​
选择性跟踪

您可以选择使用 LangSmith 的 tracing_context 上下文管理器跟踪应用程序的特定调用或部分： 
import langsmith as ls

# 这将被跟踪
with ls.tracing_context(enabled=True):
    agent.invoke({"messages": [{"role": "user", "content": "Send a test email to alice@example.com"}]})

# 这不会被跟踪（如果未设置 LANGSMITH_TRACING）
agent.invoke({"messages": [{"role": "user", "content": "Send another email"}]})

​
记录到项目

您可以通过设置 LANGSMITH_PROJECT 环境变量为整个应用程序设置自定义项目名称：
export LANGSMITH_PROJECT=my-agent-project
您可以为特定操作以编程方式设置项目名称：
import langsmith as ls

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

​
向跟踪添加元数据

您可以使用自定义元数据和标签注释您的跟踪： 
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 also accepts tags and metadata for fine-grained control: 
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 中的跟踪。
要了解有关如何使用跟踪来调试、评估和监控智能体的更多信息，请参阅 LangSmith 文档。

​
使用匿名器防止在跟踪中记录敏感数据

您可能希望屏蔽敏感数据以防止它被记录到 LangSmith。您可以创建匿名器并使用配置将它们应用到您的图。此示例将从发送到 LangSmith 的跟踪中编辑任何匹配社会安全号码格式 XXX-XX-XXXX 的内容。
Python
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([
    # 匹配社会安全号码
    { "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]})
)
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.