Cookbook：Langchain 集成（JS/TS）

这是一个 cookbook，展示 Litefuse 与 Langchain（JS/TS）的集成示例。

按照集成指南将本集成添加到你的 Langchain 项目中。

配置环境

注意：本 cookbook 使用 Deno.js 执行，导入包和设置环境变量的语法与 Node.js 不同。对于 Node.js 应用，配置流程类似，但使用标准的 npm 包和 process.env。

// Litefuse authentication keys
Deno.env.set("LANGFUSE_PUBLIC_KEY", "pk-lf-***");
Deno.env.set("LANGFUSE_SECRET_KEY", "sk-lf-***");
 
// Litefuse host configuration
Deno.env.set("LANGFUSE_BASE_URL", "https://litefuse.cloud")
 
// Set environment variables using Deno-specific syntax
Deno.env.set("OPENAI_API_KEY", "sk-proj-***");

环境变量设置好后，我们就可以初始化 langfuseSpanProcessor，并将其传给负责 trace 编排的主 OpenTelemetry SDK。

// Import required dependencies
import 'npm:dotenv/config';
import { NodeSDK } from "npm:@opentelemetry/sdk-node";
import { LangfuseSpanProcessor } from "npm:@langfuse/otel";
 
// Export the processor to be able to flush it later
// This is important for ensuring all spans are sent to Litefuse
export const langfuseSpanProcessor = new LangfuseSpanProcessor({
    publicKey: process.env.LANGFUSE_PUBLIC_KEY!,
    secretKey: process.env.LANGFUSE_SECRET_KEY!,
    baseUrl: process.env.LANGFUSE_BASE_URL ?? 'https://litefuse.cloud', // Default to cloud if not specified
    environment: process.env.NODE_ENV ?? 'development', // Default to development if not specified
  });
 
// Initialize the OpenTelemetry SDK with Langfuse processor
const sdk = new NodeSDK({
  spanProcessors: [langfuseSpanProcessor],
});
 
// Start the SDK to begin collecting telemetry
// The warning about crypto module is expected in Deno and doesn't affect basic tracing functionality. Media upload features will be disabled, but all core tracing works normally
sdk.start();

步骤 2：实例化 CallbackHandler

实例化 CallbackHandler，并通过 callbacks 数组传给链的 .invoke() 或 .stream() 方法。链中的所有操作都会被作为嵌套 observation 记录下来。

import { CallbackHandler } from "npm:@langfuse/langchain";
 
const langfuseHandler = new CallbackHandler({
  sessionId: "user-session-123",
  userId: "user-abc",
  tags: ["langchain-test"],
});

步骤 3：Langchain 示例

我们创建一个能够回答问题并调用工具的简单 agent。这个 agent 使用 OpenAI GPT-5-mini 作为语言模型，用一个基础的天气函数作为工具，并通过一个简单的 prompt 来指导其行为。所有工具调用和模型调用都会被 Litefuse trace。

import { createAgent, tool } from "npm:langchain";
import * as z from "npm:zod";
 
const getWeather = tool(
  (input) => `It's always sunny in ${input.city}!`,
  {
    name: "get_weather",
    description: "Get the weather for a given city",
    schema: z.object({
      city: z.string().describe("The city to get the weather for"),
    }),
  }
);
 
const agent = createAgent({
  model: "openai:gpt-5-mini",
  tools: [getWeather],
});

console.log(
    await agent.invoke(
        { messages: [{ role: "user", content: "What's the weather in San Francisco?" }] }, 
        { callbacks: [langfuseHandler] }
    )
);

步骤 4：在 Litefuse 中查看 trace

在 Litefuse 界面中，你可以看到 Langchain 应用所有步骤的详细 trace。

Litefuse Trace

在 Litefuse UI 中查看公开 trace

Anthropic (JS/TS)LiteLLM (Proxy) + Litefuse OpenAI 集成（JS/TS）

这个页面对你有帮助吗？

支持