LangChain startet 7 Produkte beim Interrupt 2026 in San Francisco
LangChain hat beim Interrupt 2026 in San Francisco sieben Produkte gleichzeitig auf den Markt gebracht — der bislang ambitionierteste Einzeltag des Unternehmens. Indem LangChain auf jeder Ebene des Produktions-Agent-Stacks in einer koordinierten Freigabe liefert, positioniert sich das Unternehmen vom Framework-Anbieter zum operativen Rückgrat: der Infrastruktur, auf der Produktions-Agenten laufen, sich verbessern und sich selbst steuern.
Was die Quellen belegen
Das Hauptprodukt ist LangSmith Engine, ein Deep-Agent, der Produktions-Agent-Traces überwacht, Fehlermuster autonom identifiziert und mergefertige Code-Korrekturen samt maßgeschneiderten Evaluatoren und Regressionstestdatensätzen produziert. Harrison Chase bezeichnete es als „eine Phasenverschiebung — Traces sind keine Datensätze mehr, die manuell geprüft werden, sondern der Katalysator für rekursive Agenten-Selbstverbesserung." Engine akzeptiert OpenTelemetry-Traces und integriert sich in mehr als 30 Frameworks jenseits von LangSmith, inklusive Migrationshilfe.
Die Infrastruktur, die diese Verbesserungsschleife ermöglicht, ist SmithDB, aufgebaut von LangChain-Mitgründer Ankush Gola auf Apache DataFusion und dem Vortex-Spaltenformat. Das Problem ist struktureller Natur: Agent-Traces enthalten zehntausende Zwischen-Spans und große, unbegrenzte Payloads — eine Datenform, für die keine Allzweckdatenbank konzipiert wurde, da Agenten länger laufen und Context Windows wachsen. SmithDB liefert 12-fache Performance-Verbesserungen über produktive Observability-Zugriffsmuster und betreibt bereits Teile von LangSmith in der Produktion.
Die verbleibenden fünf Produkte erweitern den Stack nach außen. Deep Agents 0.6 ergänzt einen Code Interpreter (der rekursive Tool-Aufrufe und Subagenten-Spawning ermöglicht) sowie Harness-Profile, die die Tool-Call-Syntax je Modell anpassen, mit erweiterter Open-Model-Unterstützung für Kimi Moonshot, Qwen und DeepSeek. Managed Deep Agents reduziert das Produktions-Deployment auf eine einzelne Codezeile — Harness, Kontext und Code-Ausführung werden vollständig verwaltet. LangSmith Sandboxes wurde als sichere Code-Ausführungsschicht allgemein verfügbar. LLM Gateway befindet sich in der privaten Beta als Runtime-Governance-Schicht, die Kostenlimits und PII-Erkennung durchsetzt, ohne die LangSmith-Plattform zu verlassen. Context Hub führt einen dedizierten Speicher für die dritte Agenten-Komponente neben Modell und Harness ein: Kontext (Skills, Richtlinien, AGENTS.md-Dateien, Beispiele und generierte Recherchen).
Strategische Einschätzung
LangSmith Engine ist das Wendepunkt-Produkt: Autonomes Trace-to-Fix schließt die Agenten-Verbesserungsschleife ohne manuellen Triage-Aufwand. Teams, die noch keine strukturierte Observability betreiben — Engines Voraussetzung —, werden diese Lücke innerhalb eines Release-Zyklus spüren. Context Hub und LLM Gateway zusammen deuten darauf hin, dass LangChain die Enterprise-Compliance-Oberfläche zusammenstellt, die bis H2 2026 zur Pflichtausstattung wird; evaluieren Sie beide, bevor Sie sich auf einen konkurrierenden Governance-Stack festlegen.