跳到主要内容
跟踪是您的应用程序从输入到输出所采取的一系列步骤。每个单独的步骤都由一个运行表示。您可以使用 LangSmith 来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，请确保您已具备以下条件

​
启用追踪

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 进行跟踪。

​
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应用程序的特定调用或部分 
import langsmith as ls

# 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

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
您可以以编程方式为特定操作设置项目名称
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"}]
    })

​
向追踪添加元数据

您可以使用自定义元数据和标签来标注您的追踪 
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 也接受标签和元数据以进行精细控制 
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。
要了解有关如何使用追踪来调试、评估和监控代理的更多信息，请参阅 LangSmith 文档。

​
使用匿名器防止敏感数据被记录在跟踪中

您可能希望屏蔽敏感数据，以防止其被记录到 LangSmith。您可以创建匿名器，并使用配置将其应用于您的图。此示例将从发送到 LangSmith 的跟踪中，编辑匹配社会安全号码格式 XXX-XX-XXXX 的任何内容。
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([
    # 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]})
)
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.