| Istilah | Arti |
|---|---|
| LangSmith | Platform komersial dari LangChain untuk menjalankan, memantau, dan mengevaluasi agent, termasuk fitur seperti trajectories dan Engine. |
| deep agents | Harness agent open source dari LangChain yang siap pakai, dilengkapi sistem file dan sandbox, serta belajar dari cara kerja coding agent. |
| harness | Lapisan yang menghubungkan model dengan konteks dan alat, sehingga model melihat informasi yang tepat pada waktu yang tepat. |
| runtime | Bagian yang menjalankan agent, mulai dari deployment di cloud dan ketahanan proses sampai akses ke model dan alat. |
| traces | Catatan lengkap setiap langkah agent saat berjalan, yang disebut pembicara sebagai sumber utama untuk belajar dan memperbaiki agent. |
| durable execution | Kemampuan menjalankan proses agent di server secara tahan lama, sehingga pekerjaannya tidak hilang saat terjadi gangguan. |
| LLM Gateway | Pintu tunggal LangSmith untuk mengakses banyak model, dengan kontrol biaya, pembatasan laju, dan cadangan penyedia saat terjadi error. |
| trajectories | Daftar pesan dari satu alur kerja agent yang dirapikan, dipakai untuk debugging, anotasi, dan fine-tuning model. |
| open source | Perangkat lunak yang kodenya terbuka sehingga siapa pun bisa memakai dan mengubahnya, seperti LangGraph dan Deep Agents. |
| domain specific | Agent yang dibuat khusus untuk satu bidang, misalnya keuangan atau hukum, dengan konteks dan aturan yang sesuai bidang itu. |
| compounding | Proses membuat agent makin pintar dari pemakaian nyata lewat evaluasi, memori, serta perbaikan prompt atau kode. |
| owning | Bagian dari istilah owning your intelligence, yaitu menguasai harness, data, dan kendali atas model agar kecerdasan AI menjadi milik sendiri. |
Video ini adalah pembukaan keynote Interrupt di New York, konferensi LangChain untuk pengembang agent AI. Pembicara menyatakan bahwa agent kini mengubah lapisan aplikasi, dan banyak perusahaan membangun harness, konteks, serta aturan khusus di sekitar model, bukan sekadar membungkus model. Tema utamanya adalah owning your intelligence, yaitu memiliki kecerdasan sistem sendiri lewat tiga pilar: harness yang terbuka dan bisa dikendalikan, kemampuan compounding dengan belajar dari pemakaian nyata, serta tata kelola agent yang rapi. Alasannya, biaya token makin mahal, model open source makin baik sehingga bisa disesuaikan, dan model dasar makin mirip komoditas sehingga data dan harness menjadi pembeda. Contohnya Rogo di bidang keuangan, Harvey di bidang hukum, dan JPMorgan Chase untuk proses internal.
Pembicara memaparkan produk LangChain. Di sisi runtime, ada Deep Agents sebagai harness open source siap pakai yang meniru cara kerja coding agent, serta LangSmith Deployment, LLM Gateway, dan Managed Deep Agents yang menggabungkan harness dengan infrastruktur terkelola. Pembaruan Managed Deep Agents menambahkan koneksi dan autentikasi ke alat seperti Notion atau Jira, identitas agent, channel seperti Slack, memori tingkat pengguna, serta pencarian web bawaan. Di sisi observability, catatan langkah agent disebut traces, dan daftar pesan dari satu alur kerja disebut trajectories, yang memudahkan debugging dan fine-tuning lewat LangSmith Fine-Tuning. LangSmith Engine v2 memindai traces, mengelompokkan masalah, membuat perbaikan, dan melakukan red teaming. Pembicara menyebut Engine sudah memindai lebih dari 70 juta traces dan mendeteksi lebih dari 21.000 masalah. Ia juga menyinggung model keputusan yang memberi skor atau kategori tanpa menghasilkan teks, untuk eval, guardrail, dan pemilihan model.
Kata kunci
- LangSmith
- deep agents
- durable execution
- trajectories
- Mengikuti keynote Interrupt New York tentang keadaan AI saat ini dan ke mana arahnya, dimulai dari tinjauan beberapa tahun terakhir.
- Membahas kebutuhan menjalankan agen di cloud: runtime dengan durable execution, akses tools yang aman, dan belajar dari penggunaan agen agar kecerdasannya terus bertambah.
- Mengenal LangSmith LLM Gateway, model keputusan open source, dan penyimpanan trajectories untuk beban kerja agen.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.