Новая корпоративная платформа объединяет инструменты LangChain и NVIDIA, чтобы компании могли быстрее создавать, развёртывать и контролировать AI-агентов промышленного уровня — без мучительной сборки инфраструктуры по кускам.
САН-ФРАНЦИСКО, 16 марта 2026 года /PRNewswire/ — LangChain, известная своими open-source-инструментами для agent engineering и платформой LangSmith, объявила о глубокой интеграции с NVIDIA. По сути, речь идёт о запуске корпоративной платформы для разработки agentic AI: от прототипа до production, от первых экспериментов до масштабного внедрения. Параллельно LangChain присоединилась к Nemotron Coalition — международной инициативе NVIDIA, нацеленной на развитие открытых передовых AI-моделей за счёт общей экспертизы, данных и вычислительных ресурсов.
Если говорить без корпоративного тумана, связка получилась серьёзная. LangChain приносит в неё LangSmith и свои фреймворки — Deep Agents, LangGraph и LangChain, — а NVIDIA добавляет Agent Toolkit, модели NVIDIA Nemotron, инструменты профилирования и оптимизации в NVIDIA NeMo Agent Toolkit, микросервисы NVIDIA NIM и NVIDIA Dynamo. В результате разработчики получают полный стек для разработки AI-агентов и автоматизации, их развёртывания и постоянного улучшения в реальной эксплуатации.
Платформа также включает NVIDIA OpenShell — защищённую runtime-среду, которая изолирует автономных самообучающихся агентов и удерживает их в рамках заданных политик. И это, честно говоря, важно: команды слишком часто тратят месяцы не на бизнес-результат, а на бесконечную сборку внутренней платформы. Тут идея другая — убрать этот инфраструктурный завал и дать возможность быстрее выйти в production.
Что именно даёт эта платформа
Создание агентов с LangGraph, Deep Agents и AI-Q. Объединённый стек LangChain и NVIDIA позволяет строить системы разной сложности — от относительно простых сценариев до тяжёлых enterprise-конструкций. LangGraph отвечает за stateful-оркестрацию и хорошо подходит для мультиагентных систем со сложной логикой переходов и сценариями human-in-the-loop. Deep Agents идёт дальше: здесь уже есть встроенное планирование задач, запуск подагентов, долговременная память и управление контекстом. То есть агент может не просто ответить за пару секунд, а работать долго — минутами, а иногда и часами, проходя десятки шагов. Сверху на это накладывается NVIDIA AI-Q Blueprint — флагманский enterprise-стек для deep research, который, как заявляется, занимает первое место в профильных бенчмарках. А NeMo Agent Toolkit позволяет подключать существующие решения на LangGraph почти без переписывания кода и сразу получать профилирование, оценку качества и поддержку протоколов MCP/A2A.
Ускорение LangGraph на инфраструктуре NVIDIA. Здесь всё крутится вокруг оптимизации исполнения. Пакет LangChain NVIDIA применяет ускоряющие стратегии ещё на этапе компиляции — без вмешательства в бизнес-логику графа. Параллельное выполнение автоматически находит независимые узлы и запускает их одновременно, убирая узкие места. Спекулятивное выполнение, в свою очередь, запускает обе ветки условного перехода сразу, а потом отбрасывает ненужную. Хитро? Да. Зато это заметно снижает задержку в сложных многошаговых агентных workflow. Для компаний, которым важна архитектура AI-агентов, такие детали — не мелочь, а основа масштабируемости.
Развёртывание через NVIDIA NIM. Микросервисы NIM, по данным NVIDIA, обеспечивают до 2,6 раза более высокую пропускную способность по сравнению со стандартными облачными развёртываниями — причём в cloud, on-premise и гибридных средах. Архитектура MoE в Nemotron 3 Super делает запуск экономичнее, вплоть до сценариев на одном GPU. NeMo Agent Toolkit добавляет то, без чего production обычно разваливается на ровном месте: аутентификацию, rate limiting и встроенный интерфейс для отладки развёрнутых workflow. Есть и калькулятор sizing для GPU-кластера — он помогает прогнать нагрузочный профиль LangGraph и понять, какое железо понадобится при росте от одного пользователя до тысяч одновременных сессий. Вроде сухо звучит, но на практике это экономит кучу нервов. И денег, да.
Мониторинг и наблюдаемость: LangSmith плюс NeMo Agent Toolkit. LangSmith уже обработал более 15 миллиардов трассировок и свыше 100 триллионов токенов. Он даёт наблюдаемость на уровне приложения: distributed tracing, контроль стоимости и задержек, автоматический поиск паттернов использования и сбоев через Insights Agent, отладку на естественном языке через Polly и работу с trace-данными через CLI. NeMo Agent Toolkit, со своей стороны, экспортирует телеметрию напрямую в LangSmith. В итоге команда видит единую картину: инфраструктурные метрики, токены, тайминги, throughput — и рядом трассировку поведения самого агента. Для enterprise-среды это, пожалуй, один из самых ценных элементов. Особенно если речь идёт не просто о запуске, а о стабильной эксплуатации и безопасности AI-агентов.
Отдельно стоит упомянуть NVIDIA NeMo Guardrails, которые интегрируются с LangChain из коробки. Это даёт командам инструменты для контроля контента, соблюдения внутренних политик и настройки guardrails под конкретные сценарии. Когда компания думает не только о скорости, но и о рисках, такие механизмы уже не опция, а необходимость. Ну или почти не опция.
Оценка качества на всём семействе моделей Nemotron. LangSmith и NeMo Agent Toolkit вместе закрывают оценку агента на всём жизненном цикле. LangSmith поддерживает offline evaluation — human review, LLM-as-judge, pairwise comparison, интеграцию с CI/CD через pytest, Vitest и GitHub workflows. Есть и online evaluation, включая multi-turn evals, где оценивается не отдельный ответ, а вся траектория диалога: достиг ли агент цели, как принимал решения, где ошибался. NeMo Agent Toolkit добавляет оценщики для RAG и агентной памяти, анализ траекторий, а также оптимизацию гиперпараметров и промптов. Особенно полезно это на линейке Nemotron: можно прогнать одного и того же агента на Nemotron 3 Nano, Super и Ultra, а затем сравнить точность, задержку и стоимость. После этого — при необходимости — дообучить выбранную модель под конкретный workflow с помощью reinforcement learning в NeMo Agent Toolkit.
Что дальше
Deep Agents и GPU-ускоряемые вычисления
Партнёрство закладывает основу и для следующего шага: Deep Agents смогут работать внутри sandbox-сред с GPU-ускорением на базе библиотек NVIDIA CUDA-X. Это откроет дорогу к вычислительно тяжёлым сценариям, где агенту нужно не просто болтать, а реально обрабатывать большие объёмы данных. Например, с использованием NVIDIA cuDF для масштабной работы со структурированными данными или NVIDIA NeMo Curator для подготовки данных в петабайтных объёмах. Для финансового сектора, здравоохранения и других отраслей с тяжёлой аналитикой это может стать очень заметным сдвигом.
Участие в Nemotron Coalition
LangChain также официально входит в Nemotron Coalition — глобальное объединение разработчиков моделей и AI-команд, которые совместно работают над открытыми foundation-моделями frontier-уровня. Участники могут вносить вклад данными, evaluation-фреймворками и post-training-подходами, а затем строить на этой базе собственные специализированные AI-системы для конкретных отраслей и задач.
Для LangChain это не просто формальное участие. Компания хочет влиять на развитие открытых моделей с позиции тех, кто реально строит агентные системы и выводит их в production. Идея понятная: модели для enterprise-агентов должны формироваться не в вакууме, а с учётом потребностей команд, которые потом будут запускать их в масштабе, обеспечивать AI compliance и соответствие требованиям, следить за безопасностью и отвечать за результат перед бизнесом. Иначе всё это превращается в красивую демку. А демки, как известно, клиентов не спасают.
«Когда число загрузок фреймворков LangChain превысило 100 миллионов в месяц, стало ясно: передовым моделям уже недостаточно просто быть умными. Им нужны надёжная работа с инструментами, способность рассуждать на длинном горизонте и координировать действия агентов», — заявил Харрисон Чейз, сооснователь и CEO LangChain. «В рамках NVIDIA Nemotron Coalition мы будем развивать лучший agent harness для таких моделей, жёстко оценивать их возможности и обеспечивать глубокую observability поведения агентов, чтобы Nemotron стал одной из сильнейших основ для следующего поколения AI-агентов».
«Предприятиям нужны открытые и гибкие инструменты, которые позволяют создавать AI-агентов под собственные workflow и безопасно масштабировать их. Фреймворк LangChain и observability LangSmith в сочетании с моделями NVIDIA Nemotron, Agent Toolkit и микросервисами NIM дают разработчикам полноценную основу для перехода от прототипа к production», — отметил Джастин Бойтано, вице-президент NVIDIA по Enterprise AI.
Доступность
Интеграция LangChain-NVIDIA доступна уже сейчас. LangGraph и LangChain распространяются как open source на github.com/langchain-ai. LangSmith доступен на smith.langchain.com. Модели NVIDIA Nemotron 3 Nano и Super уже доступны на Hugging Face через микросервисы NVIDIA NIM и обновлённые интеграции с экосистемой LangChain. Релиз Nemotron 3 Ultra ожидается в первой половине 2026 года. NVIDIA NeMo Agent Toolkit опубликован на github.com/NVIDIA/NeMo-Agent-Toolkit.
О LangChain
LangChain — платформа для agent engineering, которой пользуются как AI-стартапы, так и крупные международные компании. Её open-source-фреймворки, включая LangChain, LangGraph и Deep Agents, суммарно превысили 1 миллиард загрузок и используются более чем миллионом специалистов. Платформа LangSmith, ориентированная на observability и evaluation, обслуживает свыше 300 корпоративных клиентов и уже обработала более 15 миллиардов трассировок и 100 триллионов токенов. Компанию поддерживают Sequoia Capital, Benchmark и IVP. Подробнее — на langchain.com.
Контакты для СМИ: press@langchain.dev