LangChain은 인간 피드백을 최적화하는 목표 설계가 장기 에이전트 신뢰성의 핵심이라고 주장한다
CapitalG 주도 30억 달러 조달로 에이전트 플랫폼 LangSmith를 강화한다
LangChain GTM Agent가 1,540개 아티팩트를 생성해 딜 진행률을 47%로 끌어올렸다
Workday가 LangGraph와 LangSmith를 활용해 에이전트 프로토타입 개발 시간을 하루 미만으로 단축했다
LangChain Deep Agents가 비동기 서브에이전트를 지원해 병렬 백그라운드 작업이 가능해졌다.
LangChain이 인간 검토를 통한 에이전트 품질 평가 및 데이터셋 구축 원칙을 제시했다.
LangSmith BYOC가 AWS, Azure, Google Cloud로 확장했다
LangChain이 Stagehand 도입으로 브라우저 비용을 13배 절감했다.
능동적 에이전트 확산으로 컨텍스트 엔지니어링의 새로운 미해결 과제가 발생했다
LangChain의 브라우저 도구가 WebVoyager 벤치마크에서 90% 성공률을 기록했다.
OpenWiki에 증거 그래프를 추가해 정확도를 27% 높이고 정답당 비용을 58% 절감했다
Schedules SDK가 크론 작업을 지원해 에이전트의 능동적 백그라운드 실행을 가능하게 한다
LangChain Content Studio가 3,000개 이상 에셋을 생성하며 코드를 80% 절감했다
LangChain은 Slack 기반 에이전트 구축을 위한 5가지 핵심 요소를 공개했다
LangChain은 검색을 중심으로 AI 에이전트 컨텍스트 엔지니어링 전략을 제시했다.
Numan이 LangGraph와 LangSmith로 규제 경계 테스트를 강화해 모델 마이그레이션을 하루로 단축했다
LangChain이 LangSmith AI Search와 Deep Agents v0.9 등을 공개했다.
LangSmith 팀이 Jev 활용 시 비용을 $28.17에서 $0.34로 줄이는 에이전트 평가 전략을 공개했다.
Orange Business가 LangChain 기반 AI 플랫폼을 12만 명 직원과 150개 고객사에 배포했다.
LangSmith가 에이전트 트레이스를 자연어로 검색하는 AI Search를 공개 베타로 출시했다.
ScaleDown 모델이 프런티어 모델 대비 최대 467배 비용 절감과 200배 속도 향상을 제공한다.
Managed Deep Agents v0.9가 Slack용 reactions API를 도입해 동적 로딩 상태를 구현한다.
AI Briefing