LangChain paljastab agentide vahesüsteemi kohandatud AI-harnesside arendamiseks
Felix Pinkston 26. märts 2026, 15:31
LangChain tutvustab AgentMiddleware süsteemi, mis võimaldab arendajatel kohandada AI-agentide käitumist kinnituste abil isikuandmete tuvastamiseks, dünaamiliseks tööriistade valikuks ja tootmisvalmis funktsioonideks.
LangChain on välja andnud üldisema vahesüsteemi, mis võimaldab arendajatel kohandada AI-agentide käitumist ilma tuumikinfrastruktuuri alust pealt uuesti ehitamata. Raamistik on kirjeldatud 26. märtsi 2026 blogipostituses ja sisaldab kuut erinevat kinnituspunkti, mis sekkuvad ja muudavad agentide täitmist igas tsükli etapis.
Vahesüsteemi arhitektuur lahendab püsiva valuliku probleemi agentide arendamisel: lünga demovalmis prototüüpide ja tootmisversioonide vahel. Kuigi lihtne kohandamine – näiteks süsteemsete küsimuste vahetamine või tööriistade lisamine – on olnud alati lihtne, siis põhimõttelise agentide tsükli muutmine – st seda, mis juhtub enne mudelikutsu, kuidas tööriistad täidetakse ja millal inimesed sekkuvad – nõudis laiaulatuslikku kohandatud koodi.
Kuidas kinnitussüsteem töötab
AgentMiddleware pakub kuut sekkumispunkti. before_agent käivitub ühe korra kutse ajal mälu laadimiseks või sisendite valideerimiseks. before_model käivitub enne iga LLM-kutset ja on kasulik ajalootegevuste lühendamiseks või tundlike andmete tuvastamiseks. wrap_model_call haldab puhverdamist, uuestikutsusid ja dünaamilist tööriistade sidumist. wrap_tool_call teeb sama ka tööriistade täitmise puhul. after_model integreerib inimese-põhiseid töövooge (human-in-the-loop). after_agent tegeleb puhastuse ja teavitustega.
Need vahesüsteemid saab kombineerida. Arendajad saavad paigaldada mitu kohandust ilma konfliktideta.
Sisseehitatud lahendused levinud probleemidele
LangChain pakub eelvalmistatud vahesüsteeme selliste mustrite jaoks, mis esinevad korduvalt tootmisversioonides. PIIMiddleware rakendab before_model ja after_model kinnitusi isikupäraste andmete (PII) maskeerimiseks, redigeerimiseks või räsistamiseks – oluline HIPAA-kohaselt, kus ei saa lihtsalt „küsimusega“ jõuda õiguslikku ohutusse.
LLMToolSelectorMiddleware võitleb konteksti ülekoormaga, käivitades kiire mudeli, et registrist tuvastada asjakohased tööriistad enne põhikutset ja siduda ainult vajalikud. SummarizationMiddleware takistab konteksti ülekoormat, kokkuvõttes sõnumite ajaloos, kui tokenite arv tõuseb liialt kõrgeks.
ModelRetryMiddleware ümbritseb API-kutseid konfigureeritava uuestikutsusloogikaga – uuestikutsuste arv, tagasitõmbumise tegurid ja algne viivitus määramise piiramiseks. ShellToolMiddleware haldab ressursside lähtestamist ja sulgemist agentide tsüklite ümber.
Deep Agents kui tõenduskontseptsioon
LangChain on ehitatud Deep Agents täielikult selle vahesüsteemi kihistusel, et kinnitada arhitektuuri tugevust. Agentide harness töötab create_agent-il, LangChaini standardse sisendpunktina, kusjuures spetsialiseeritud vahesüsteemid on ülepaigutatud: FilesystemMiddleware failipõhise konteksti haldamiseks, SubagentMiddleware kontekstis isoleeritud alamagentide jaoks ning SkillsMiddleware järkjärguliselt avatavate võimaluste jaoks.
See lähenemine võimaldab meeskondadel iseseisvalt hallata erinevaid teemasid. Äri loogika jääb eraldatud põhiline agentide koodist. Taaskasutatavad vahesüsteemid saavad levima organisatsioonides ilma tiheda sidumiseta.
Mida see tähendab agentide arendamisele
LangChain tunnistab, et mudelite võimaluste parandamine neelab lõppude lõpuks mõned praegused vahesüsteemi funktsioonid – kokkuvõte, tööriistade valik ja väljundi lühendamine võivad liikuda ise mudelitesse. Kuid deterministlikud poliitikakohased tagatised, tootmisversiooni turvavarjud ja ärispetsiifiline loogika ei liigu. Need jäävad harness-kihile.
Arendajad saavad alustada create_agent-iga minimaalsete seadistustega või create_deep_agent-iga rohkem robustsete alustega. Kohandatud vahesüsteemide panused on vastu võetud LangChaini integratsioonidokumentatsiooni kaudu.
- langchain
- ai agents
- middleware
- deep agents
- developer tools
