加载中...

LangChain 宣布了 LangSmith 工具网关的公开测试版发布,这是一项旨在为 AI 代理提供安全且受治理的工具使用的新功能。作为 LangSmith 代理平台上的受管工具层,它旨在简化工程团队为代理授予外部工具访问权限的方式,统一处理凭证、身份和访问管理,支持大规模使用。
LangChain 的全新 LangSmith 工具网关是集成在 LangSmith 代理平台中的受管工具层,正如在 LangChain 博客上宣布的那样。随着 AI 代理从简单的聊天界面演进为能够主动、按计划或事件触发任务且无需持续人工监督的系统,对强大治理的需求日益增长。工具网关的核心功能是管理每一次代理的工具调用所需的凭证、身份和访问权限,为工程团队简化流程并提升安全性和合规性。
传统上,在生产环境中为代理提供工具访问需要将认证流程硬编码、将令牌与代理一起存储,并为每个新工具手动路由。虽然这种方式在有限环境中快速,但随着代理、工具和用户数量的增长,这种做法变得难以管理,正如 LangChain 博客所述。工具网关通过提供一个统一的 URL 来路由所有工具请求,解决身份、管理访问并记录工具调用痕迹,从而解决了上述问题。
工具网关的关键特性包括能够通过 URL 添加任何 MCP(多云平台)服务器,或启用针对常见应用(如 Google、Salesforce 和 GitHub)的内置服务器。它引入了"工具套件",即在单一 URL 上发布的经策划的工具集合,确保代理只能访问已批准的工具。对于拥有大量工具列表的代理,"搜索模式"允许它们查询套件并仅加载相关工具,从而降低延迟。身份解析是核心组件,将调用者映射到个人用户凭证或服务账户,免除开发者为每个工具手动编写认证的需求。管理员可以使用工具套件、身份映射以及允许/拒绝列表来设置策略。每一次工具调用都会在 LangSmith 中被追踪,提供关于工具、服务器、用户、结果和持续时间的丰富信息,有助于调试和审计需求,且不存储敏感数据。这与 LLM 网关协同工作,后者治理模型调用,提供对代理行为和费用的全面可视化和控制。
对于构建生产级 AI 代理的工程团队和开发者而言,LangSmith 工具网关是一次重要的进步。它直接解决了部署自主代理时最具挑战性的安全、可扩展性和可审计性问题。通过抽象身份和访问管理的复杂性,它释放了本来需要为每个工具集成编写定制认证流程的宝贵开发时间。这种集中式、受管的方式不仅加快了产品交付,还大幅降低了分布式、未受管理的凭证处理所带来的安全攻击面。开发者现在可以专注于代理逻辑和功能,信任底层的工具访问是安全的、由明确策略治理且完全可审计的,从而更有信心其代理系统的可靠性和安全性。
Hebbia evaluated OpenAI's prerelease GPT-6 Astra on financial research tasks, seeing 99.5% citation relevance and a 14.4 percentage-point lead in presentation formatting adherence.

Hugging Face released a reusable RL framework showing how LoRA adapters trained inside agent harnesses increase Qwen3.8-27B accuracy from 39% to 55% while reducing token burn by nearly half.

LangChain's new LangSmith Tool Gateway provides a managed layer for credentials, identity, and access control when agents call external tools.

IBM time-series foundation models with over 50 million downloads are now natively available on Confluent via Apache Flink, running on CPUs for real-time forecasting and anomaly detection.

评论