LangChain

Harrison Chase leitet LangChain, dessen Sektor KI-Frameworks und Agenten umfasst. Das Unternehmen entwickelte LangSmith für Tracing und Debugging sowie LangGraph Platform und deepagents. Der im Juli 2025 veröffentlichte Leitfaden How to Build an Agent legt anhand eines E-Mail-Agenten-Beispiels sechs Schritte fest: die Aufgabe mit konkreten Beispielen definieren, den Arbeitsablauf gestalten, ein MVP mit Fokus auf die zentralen LLM-Reasoning-Aufgaben bauen, die Datenquellen verbinden und orchestrieren, testen und iterieren, dann bereitstellen, skalieren und verfeinern. Die zentrale Botschaft lautet, klein anzufangen, sich an den Nutzern zu orientieren und kontinuierlich zu verfeinern.

Die spätere Argumentation geht von der Methode zu einer These darüber über, wo sich das Verhalten von Agenten tatsächlich abspielt. Im Januar 2026 argumentierte Chase, dass Traces eine KI-Anwendung so dokumentieren, wie Code konventionelle Software dokumentiert: Entwickler orchestrieren die LLM-Aufrufe, aber die Entscheidungen (welches Tool aufgerufen wird, wie das Problem durchdacht wird, wann aufgehört wird, was priorisiert wird) fallen zur Laufzeit innerhalb des Modells. Debugging, Testing, Profiling und Monitoring verlagern sich somit vom Code auf die Traces. Im März 2026 formalisierte Vivek Trivedy das Gegenstück, Agent = Model + Harness, wobei der Harness jeden Teil von Code, Konfiguration und Ausführungslogik umfasst, der nicht das Modell selbst ist: System Prompts, Tools und MCP, eingebettete Infrastruktur, Orchestrierungslogik, deterministische Hooks.

Als Beleg dafür, dass der Harness eine Rolle spielt, führt LangChain einen Benchmark-Sprung an: von den Top 30 auf die Top 5 im Terminal Bench 2.0, allein durch eine Änderung des Harness. Das Prototyping eines Agenten mit LangChain wird als relativ einfach beschrieben; die im Unternehmensumfeld geltenden Anforderungen an Governance, Kostenkontrolle und Compliance liegen außerhalb dieser Einfachheit.