LangChain

使用本儲存庫中的可執行範例，將 LangChain 追蹤傳送至 LiteLLM Lens。

必要條件

您需要一個已啟用追蹤的 LiteLLM 閘道、一組 LiteLLM 金鑰，以及已設定的模型別名。swarm 範例需要支援工具呼叫的模型。進行調查時需要 Lens worker；檢視追蹤不需要。

安裝 uv。它會使用已檢入的 Python 版本，並從其 uv 工作區解析每個範例的相依性。

設定

對於全新的 checkout：

git clone https://github.com/BerriAI/litellm-lens-example.git
cd litellm-lens-example/langchain
cp .env.example .env

如果您已經複製過該儲存庫，請從 langchain/ 執行其餘指令。若 .env.example 不存在，請將其複製為 .env，然後設定：

變數	值
LITELLM_GATEWAY_URL	您的閘道基底 URL，不含結尾斜線或 /v1，例如 http://localhost:4002
LITELLM_API_KEY	您的 LiteLLM 金鑰
LITELLM_MODEL	您的閘道上已設定的模型別名

已檢入的值是針對本機開發閘道。請將它們替換為您的部署值。保留 .env.example 中的 exporter 設定；這些範例會在程式碼中設定其追蹤 exporter。它們會使用 LiteLLM 金鑰作為 bearer token，將追蹤傳送至 LITELLM_GATEWAY_URL/v1/traces。

除非您打算將額外的追蹤副本傳送至本機記錄器，否則請勿設定 MOCK_LITELLM_GATEWAY_URL。

執行範例

簡單代理程式

一個使用 create_agent 建立的 research_agent 會回答一個問題。

uv run --env-file .env --package lens-langchain-simple simple/main.py

實作請參見 simple/main.py。

代理程式 swarm

一個協調器透過搜尋與寫入工具呼叫 search_agent 和 writer_agent。

uv run --env-file .env --package lens-langchain-swarm swarm/main.py

實作請參見 swarm/main.py。

驗證追蹤

在範例印出答案後，於您的閘道上開啟 Lens > Traces，並選取新的執行。尋找與 research_agent 相關聯的執行。檢查輸入、輸出與模型 spans。對於 swarm，檢查上文所述的專家活動；其確切的 span 版面配置取決於框架。

追蹤如何運作

OpenInference 會為 LangChain 執行進行儀器化。每個 create_agent 圖都有明確的名稱，而委派的執行會繼承協調器的追蹤內容。

疑難排解

如果模型請求失敗，請檢查閘道 URL、金鑰和模型別名。如果答案出現但追蹤遺失，請檢查終端機中的 exporter 錯誤，並確認相同閘道上已啟用追蹤。模型請求成功並不表示其追蹤匯出也成功。