CommunityRecherche & Datenanalysegithub.com

ComposioHQ/langsmith-fetch

Debugge LangChain- und LangGraph-Agenten, indem du Ausführungs-Traces direkt aus LangSmith Studio im Terminal abrufst. Nutze dies, um Agentenverhalten zu debuggen, Fehler zu untersuchen, Tool-Aufrufe zu analysieren, Speicheroperationen zu prüfen oder die Agentenleistung zu überprüfen. Erfordert die Installation der langsmith-fetch CLI.

Was ist langsmith-fetch?

Diese Fähigkeit ermöglicht es einem KI-Agenten (wie Claude Code), LangChain- und LangGraph-Agenten zu debuggen, indem Traces aus LangSmith Studio abgerufen werden. Sie wird automatisch aktiviert, wenn der Benutzer Debugging, Fehleranalyse oder Leistungsüberprüfungen erwähnt. Die Fähigkeit unterstützt mehrere Workflows: schnelles Debuggen der letzten Aktivität, tiefgehende Analyse eines bestimmten Traces, Export von Debug-Sitzungen und Fehlererkennung. Sie erfordert die Installation des `langsmith-fetch` CLI-Tools und die Konfiguration der Umgebungsvariablen `LANGSMITH_API_KEY` und `LANGSMITH_PROJECT`. Nach der Ausführung relevanter CLI-Befehle analysiert der KI-Agent die Ausgabe (pretty, JSON oder raw), identifiziert Fehler und bietet umsetzbare Einblicke und Lösungsvorschläge. Zu den Anwendungsfällen gehören die Untersuchung, warum ein Agent nicht antwortet, das falsche Tool verwendet, sich nicht richtig erinnert oder zu langsam ist.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ComposioHQ/awesome-codex-skills/tree/main/langsmith-fetch

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

LangSmith Fetch – Fähigkeit zum Debuggen von Agenten

Debugge LangChain- und LangGraph-Agenten, indem du Ausführungs-Traces direkt aus LangSmith Studio in deinem Terminal abrufst.

Wann diese Fähigkeit zu verwenden ist

Automatisch aktivieren, wenn der Benutzer erwähnt:

  • 🐛 „Debugge meinen Agenten“ oder „Was ist schiefgelaufen?“
  • 🔍 „Zeig mir aktuelle Traces“ oder „Was ist passiert?“
  • ❌ „Prüfe auf Fehler“ oder „Warum ist es fehlgeschlagen?“
  • 💾 „Analysiere Speicheroperationen“ oder „Prüfe LTM“
  • 📊 „Überprüfe die Agentenleistung“ oder „Prüfe Token-Nutzung“
  • 🔧 „Welche Tools wurden aufgerufen?“ oder „Zeige den Ausführungsablauf“

Voraussetzungen

1. Installiere langsmith-fetch

pip install langsmith-fetch

2. Setze Umgebungsvariablen

export LANGSMITH_API_KEY="your_langsmith_api_key"
export LANGSMITH_PROJECT="your_project_name"

Überprüfe die Einrichtung:

echo $LANGSMITH_API_KEY
echo $LANGSMITH_PROJECT

Kern-Workflows

Workflow 1: Schnelles Debuggen der letzten Aktivität

Wenn der Benutzer fragt: „Was ist gerade passiert?“ oder „Debugge meinen Agenten“

Ausführen:

langsmith-fetch traces --last-n-minutes 5 --limit 5 --format pretty

Analysieren und berichten:

  1. ✅ Anzahl der gefundenen Traces
  2. ⚠️ Fehler oder Misserfolge
  3. 🛠️ Aufgerufene Tools
  4. ⏱️ Ausführungszeiten
  5. 💰 Token-Nutzung

Beispiel-Antwortformat:

3 Traces in den letzten 5 Minuten gefunden:

Trace 1: ✅ Erfolg
- Agent: memento
- Tools: recall_memories, create_entities
- Dauer: 2,3s
- Tokens: 1.245

Trace 2: ❌ Fehler
- Agent: cypher
- Fehler: „Neo4j-Verbindungszeitüberschreitung“
- Dauer: 15,1s
- Fehlgeschlagen bei: search_nodes-Tool

Trace 3: ✅ Erfolg
- Agent: memento
- Tools: store_memory
- Dauer: 1,8s
- Tokens: 892

💡 Problem gefunden: Trace 2 ist aufgrund eines Neo4j-Timeout fehlgeschlagen. Empfehlung: Datenbankverbindung prüfen.

Workflow 2: Tiefgehende Analyse eines bestimmten Traces

Wenn der Benutzer angibt: Trace-ID oder sagt „Untersuche diesen Fehler“

Ausführen:

langsmith-fetch trace <trace-id> --format json

JSON analysieren und berichten:

  1. 🎯 Was der Agent zu tun versuchte
  2. 🛠️ Welche Tools aufgerufen wurden (in Reihenfolge)
  3. ✅ Tool-Ergebnisse (Erfolg/Fehlschlag)
  4. ❌ Fehlermeldungen (falls vorhanden)
  5. 💡 Ursachenanalyse
  6. 🔧 Vorgeschlagene Lösung

Beispiel-Antwortformat:

Tiefgehende Analyse – Trace abc123

Ziel: Benutzer fragte „Finde alle Projekte in Neo4j“

Ausführungsablauf:
1. ✅ search_nodes(query: „projects“)
   → 24 Knoten gefunden

2. ❌ get_node_details(node_id: „proj_123“)
   → Fehler: „Knoten nicht gefunden“
   → Dies ist der Fehlerpunkt

3. ⏹️ Ausführung gestoppt

Ursache:
Das search_nodes-Tool hat Knoten-IDs zurückgegeben, die in der Datenbank nicht mehr existieren,
möglicherweise aufgrund kürzlicher Löschungen.

Vorgeschlagene Lösung:
1. Fehlerbehandlung in get_node_details-Tool hinzufügen
2. Gelöschte Knoten in Suchergebnissen filtern
3. Cache-Invalidierungsstrategie aktualisieren

Token-Nutzung: 1.842 Tokens (0,0276 $)
Ausführungszeit: 8,7 Sekunden

Workflow 3: Debug-Sitzung exportieren

Wenn der Benutzer sagt: „Diese Sitzung speichern“ oder „Traces exportieren“

Ausführen:

# Sitzungsordner mit Zeitstempel erstellen
SESSION_DIR="langsmith-debug/session-$(date +%Y%m%d-%H%M%S)"
mkdir -p "$SESSION_DIR"

# Traces exportieren
langsmith-fetch traces "$SESSION_DIR/traces" --last-n-minutes 30 --limit 50 --include-metadata

# Threads exportieren (Konversationen)
langsmith-fetch threads "$SESSION_DIR/threads" --limit 20

Berichten:

✅ Sitzung erfolgreich exportiert!

Ort: langsmith-debug/session-20251224-143022/
- Traces: 42 Dateien
- Threads: 8 Dateien

Sie können jetzt:
1. Einzelne Trace-Dateien überprüfen
2. Ordner mit dem Team teilen
3. Mit externen Tools analysieren
4. Für zukünftige Referenz archivieren

Sitzungsgröße: 2,3 MB

Workflow 4: Fehlererkennung

Wenn der Benutzer fragt: „Zeig mir Fehler“ oder „Was schlägt fehl?“

Ausführen:

# Aktuelle Traces abrufen
langsmith-fetch traces --last-n-minutes 30 --limit 50 --format json > recent-traces.json

# Nach Fehlern suchen
grep -i "error\|failed\|exception" recent-traces.json

Analysieren und berichten:

  1. 📊 Gesamtzahl der gefundenen Fehler
  2. ❌ Fehlertypen und -häufigkeit
  3. 🕐 Wann Fehler aufgetreten sind
  4. 🎯 Welche Agenten/Tools fehlgeschlagen sind
  5. 💡 Häufige Muster

Beispiel-Antwortformat:

Fehleranalyse – Letzte 30 Minuten

Gesamtzahl Traces: 50
Fehlgeschlagene Traces: 7 (14 % Fehlerquote)

Fehleraufschlüsselung:
1. Neo4j-Verbindungszeitüberschreitung (4 Vorkommen)
   - Agent: cypher
   - Tool: search_nodes
   - Erstmals aufgetreten: 14:32
   - Zuletzt aufgetreten: 14:45
   - Muster: Tritt während Spitzenlast auf

2. Speicher speichern fehlgeschlagen (2 Vorkommen)
   - Agent: memento
   - Tool: store_memory
   - Fehler: „Pinecone-Ratenlimit überschritten“
   - Aufgetreten: 14:38, 14:41

3. Tool nicht gefunden (1 Vorkommen)
   - Agent: sqlcrm
   - Versuchtes Tool: „export_report“ (existiert nicht)
   - Aufgetreten: 14:35

💡 Empfehlungen:
1. Wiederholungslogik für Neo4j-Zeitüberschreitungen hinzufügen
2. Ratenbegrenzung für Pinecone implementieren
3. sqlcrm-Toolkonfiguration korrigieren

Häufige Anwendungsfälle

Anwendungsfall 1: „Agent antwortet nicht“

Benutzer sagt: „Mein Agent tut nichts“

Schritte:

  1. Prüfen, ob Traces vorhanden sind:

    langsmith-fetch traces --last-n-minutes 5 --limit 5
    
  2. Wenn KEINE Traces gefunden werden:

    • Tracing könnte deaktiviert sein
    • Überprüfen: LANGCHAIN_TRACING_V2=true in der Umgebung
    • Überprüfen: LANGCHAIN_API_KEY ist gesetzt
    • Sicherstellen, dass der Agent tatsächlich ausgeführt wurde
  3. Wenn Traces gefunden werden:

    • Auf Fehler überprüfen
    • Ausführungszeit prüfen (hängend?)
    • Tool-Aufrufe auf Vollständigkeit prüfen

Anwendungsfall 2: „Falsches Tool aufgerufen“

Benutzer sagt: „Warum wurde das falsche Tool verwendet?“

Schritte:

  1. Den spezifischen Trace abrufen
  2. Verfügbare Tools zum Zeitpunkt der Ausführung überprüfen
  3. Die Begründung des Agenten für die Toolauswahl prüfen
  4. Tool-Beschreibungen/-Anweisungen untersuchen
  5. Verbesserungen an Prompt oder Tool-Konfiguration vorschlagen

Anwendungsfall 3: „Speicher funktioniert nicht“

Benutzer sagt: „Agent merkt sich Dinge nicht“

Schritte:

  1. Nach Speicheroperationen suchen:

    langsmith-fetch traces --last-n-minutes 10 --limit 20 --format raw | grep -i "memory\|recall\|store"
    
  2. Überprüfen:

    • Wurden Speicher-Tools aufgerufen?
    • Gab recall Ergebnisse zurück?
    • Wurden Erinnerungen tatsächlich gespeichert?
    • Werden abgerufene Erinnerungen tatsächlich verwendet?

Anwendungsfall 4: „Leistungsprobleme“

Benutzer sagt: „Agent ist zu langsam“

Schritte:

  1. Mit Metadaten exportieren:

    langsmith-fetch traces ./perf-analysis --last-n-minutes 30 --limit 50 --include-metadata
    
  2. Analysieren:

    • Ausführungszeit pro Trace
    • Tool-Aufruf-Latenzen
    • Token-Nutzung (Kontextgröße)
    • Anzahl der Iterationen
    • Langsamste Operationen
  3. Engpässe identifizieren und Optimierungen vorschlagen


Leitfaden für Ausgabeformate

Pretty-Format (Standard)

langsmith-fetch traces --limit 5 --format pretty

Verwenden für: Schnelle visuelle Inspektion, Anzeigen für Benutzer

JSON-Format

langsmith-fetch traces --limit 5 --format json

Verwenden für: Detaillierte Analyse, syntaxhervorgehobene Überprüfung

Raw-Format

langsmith-fetch traces --limit 5 --format raw

Verwenden für: Weiterleitung an andere Befehle, Automatisierung


Erweiterte Funktionen

Zeitbasierte Filterung

# Nach einem bestimmten Zeitstempel
langsmith-fetch traces --after "2025-12-24T13:00:00Z" --limit 20

# Letzte N Minuten (am gebräuchlichsten)
langsmith-fetch traces --last-n-minutes 60 --limit 100

Metadaten einschließen

# Zusätzlichen Kontext abrufen
langsmith-fetch traces --limit 10 --include-metadata

# Metadaten umfassen: Agententyp, Modell, Tags, Umgebung

Gleichzeitiges Abrufen (Schneller)

# Große Exporte beschleunigen
langsmith-fetch traces ./output --limit 100 --concurrent 10

Fehlerbehebung

„Keine Traces gefunden, die den Kriterien entsprechen“

Mögliche Ursachen:

  1. Keine Agentenaktivität im angegebenen Zeitraum
  2. Tracing ist deaktiviert
  3. Falscher Projektname
  4. Probleme mit dem API-Key

Lösungen:

# 1. Längeren Zeitraum versuchen
langsmith-fetch traces --last-n-minutes 1440 --limit 50

# 2. Umgebung überprüfen
echo $LANGSMITH_API_KEY
echo $LANGSMITH_PROJECT

# 3. Stattdessen Threads abrufen
langsmith-fetch threads --limit 10

# 4. Sicherstellen, dass Tracing im Code aktiviert ist
# Prüfen auf: LANGCHAIN_TRACING_V2=true

„Projekt nicht gefunden“

Lösung:

# Aktuelle Konfiguration anzeigen
langsmith-fetch config show

# Richtiges Projekt setzen
export LANGSMITH_PROJECT="correct-project-name"

# Oder dauerhaft konfigurieren
langsmith-fetch config set project "your-project-name"

Umgebungsvariablen bleiben nicht bestehen

Lösung:

# Zur Shell-Konfigurationsdatei hinzufügen (~/.bashrc oder ~/.zshrc)
echo 'export LANGSMITH_API_KEY="your_key"' >> ~/.bashrc
echo 'export LANGSMITH_PROJECT="your_project"' >> ~/.bashrc

# Shell-Konfiguration neu laden
source ~/.bashrc

Best Practices

1. Regelmäßige Gesundheitschecks

# Schnelle Überprüfung nach Änderungen
langsmith-fetch traces --last-n-minutes 5 --limit 5

2. Organisierte Speicherung

langsmith-debug/
├── sessions/
│   ├── 2025-12-24/
│   └── 2025-12-25/
├── error-cases/
└── performance-tests/

3. Ergebnisse dokumentieren

Wenn Sie Fehler finden:

  1. Exportieren Sie den problematischen Trace
  2. Im Ordner error-cases/ speichern
  3. Notieren Sie, was schiefging, in einer README
  4. Trace-ID mit dem Team teilen

4. Integration in die Entwicklung

# Vor dem Committen von Code
langsmith-fetch traces --last-n-minutes 10 --limit 5

# Falls Fehler gefunden werden
langsmith-fetch trace <error-id> --format json > pre-commit-error.json

Kurzreferenz

# Die gebräuchlichsten Befehle

# Schnelles Debuggen
langsmith-fetch traces --last-n-minutes 5 --limit 5 --format pretty

# Bestimmter Trace
langsmith-fetch trace <trace-id> --format pretty

# Sitzung exportieren
langsmith-fetch traces ./debug-session --last-n-minutes 30 --limit 50

# Fehler finden
langsmith-fetch traces --last-n-minutes 30 --limit 50 --format raw | grep -i error

# Mit Metadaten
langsmith-fetch traces --limit 10 --include-metadata

Ressourcen


Hinweise für Claude

  • Vor dem Ausführen von Befehlen immer prüfen, ob langsmith-fetch installiert ist
  • Sicherstellen, dass Umgebungsvariablen gesetzt sind
  • --format pretty für menschenlesbare Ausgabe verwenden
  • --format json verwenden, wenn Sie Daten parsen und analysieren müssen
  • Beim Exportieren von Sitzungen organisierte Ordnerstrukturen erstellen
  • Immer klare Analysen und umsetzbare Erkenntnisse liefern
  • Wenn Befehle fehlschlagen, bei der Fehlerbehebung von Konfigurationsproblemen helfen

Version: 0.1.0 Autor: Ahmad Othman Ammar Adi Lizenz: MIT Repository: https://github.com/OthmanAdi/langsmith-fetch-skill

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ComposioHQ/-21risk-automation

Automate 21risk tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/-2chat-automation

Automate 2chat tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/ably-automation

Automate Ably tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/abstract-automation

Automate Abstract tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/abuselpdb-automation

Automate Abuselpdb tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/abyssale-automation

Automate Abyssale tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/accelo-automation

Automate Accelo tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/accredible-certificates-automation

Automate Accredible Certificates tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/acculynx-automation

Automate Acculynx tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/active-campaign-automation

Automate ActiveCampaign tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/addresszen-automation

Automate Addresszen tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/adobe-automation

Automate Adobe tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/adrapid-automation

Automate Adrapid tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/adyntel-automation

Automate Adyntel tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/aeroleads-automation

Automate Aeroleads tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/aero-workflow-automation

Automate Aero Workflow tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/affinda-automation

Automate Affinda tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/affinity-automation

Automate Affinity tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/agencyzoom-automation

Automate Agencyzoom tasks via Rube MCP (Composio). Always search tools first for current schemas.

ComposioHQ/agent-deep-links

Build, validate, and troubleshoot deep links for Codex, Cursor, VS Code, Visual Studio, and similar tools. Use when users ask for clickable links (especially in Slack) that open threads, files, folders, or app settings.

Verwandte Skills