LangChain گزینه‌های استقرار LangSmith را گسترش می‌دهد؛ سکویی برای ردگیری، ارزیابی و اجرای عامل‌های هوش مصنوعی. این شرکت در یادداشتی به تاریخ ۳ نوامبر ۲۰۲۶ اعلام کرد که LangSmith Bring Your Own Cloud یا BYOC اکنون به‌صورت بتا روی Microsoft Azure و Google Cloud هم اجرا می‌شود؛ در کنار Amazon Web Services که این گزینه در آن به مرحله دسترسی عمومی رسیده است. LangChain نخستین بار در ماه اوت BYOC را روی AWS عرضه کرده بود.
مخاطب این محصول شرکت‌هایی‌اند که قواعد سخت‌گیرانه‌ای درباره محل نگهداری داده یا انطباق با مقررات دارند اما همچنان سرویس مدیریت‌شده می‌خواهند. BYOC سکوی LangSmith را به دو بخش تقسیم می‌کند. LangChain لایه کنترل را اداره می‌کند که احراز هویت، پیکربندی سازمان و فضاهای کاری، فراداده‌های صورتحساب، کلیدهای API درهم‌سازی‌شده و فایل‌های ثابت رابط کاربری را در خود دارد. لایه داده در حساب ابری خود مشتری است و اطلاعات حساس همان‌جا می‌ماند: ردگیری‌ها، پرامپت‌ها، مجموعه داده‌ها، نتایج ارزیابی و عامل‌های مستقرشده. هر سازمان می‌تواند چند لایه داده داشته باشد که بر اساس منطقه، محیط یا واحد کسب‌وکار جدا شده‌اند و هر کدام در حسابی جداگانه یا حتی در ابری دیگر قرار دارند.
تا امروز، سازمان‌هایی با این محدودیت‌ها ناچار بودند LangSmith را خودشان میزبانی کنند؛ کاری که به روایت LangChain نیازمند مهندسان زیرساخت تمام‌وقت برای وصله‌کردن سرویس‌های دارای وضعیت، پیکربندی پایگاه داده، اجرای مهاجرت‌های طرح‌واره و هماهنگی به‌روزرسانی‌های Helm در محیط‌های مختلف بود. در BYOC، خود LangChain سامانه را درون شبکه مشتری راه‌اندازی و اداره می‌کند و مقیاس‌پذیری و به‌روزرسانی‌ها را بر عهده می‌گیرد. شرکت می‌گوید مشتریان AWS مهم‌ترین مزیت‌ها را به‌روزرسانی پیوسته، دسترسی سریع‌تر به قابلیت‌های تازه LangSmith Cloud و تنظیم خودکار ظرفیت می‌دانند.
شیوه پیاده‌سازی در هر ابر متفاوت است. در Azure، لایه داده درون یک شبکه مجازی اختصاصی با نقطه پایانی خصوصی برای API سرویس AKS اجرا می‌شود، برای مسیریابی و مقیاس‌پذیری رویدادمحور از Istio و KEDA بهره می‌برد و داده‌های پایش سامانه را به Azure Monitor می‌فرستد؛ پشتیبانی از LangSmith Sandboxes در این ابر هنوز فراهم نشده است. در Google Cloud، لایه داده می‌تواند در هر منطقه‌ای باشد و از لایه کنترل آمریکایی LangSmith مدیریت می‌شود. در AWS، این سرویس درون VPC موجود مشتری اجرا می‌شود، پایگاه داده در زیرشبکه‌های انتخابی قرار می‌گیرد و می‌توان برای هر نقش برنامه، گروه امنیتی جداگانه تعریف کرد. در هر سه ابر، لایه داده می‌تواند نقطه‌های پایانی Managed Deep Agents را هم میزبانی کند.
LangChain راهی برای کنار گذاشتن میزبانی شخصی هم پیشنهاد می‌کند. یک ابزار مهاجرت متن‌باز، منابع فضاهای کاری مانند کاربران و نقش‌ها، مجموعه داده‌ها، آزمایش‌ها، پرامپت‌ها، تنظیمات صف‌های برچسب‌گذاری، قواعد خودکارسازی، داشبوردها و منابع Fleet را منتقل می‌کند و نسخه خودمیزبان را هم در حال کار نگه می‌دارد. ردگیری‌ها، اجراها و بازخوردها در مرحله‌ای جداگانه و با ابزارهای داخلی LangChain جابه‌جا می‌شوند و این مرحله فعلاً فقط در AWS ممکن است. ماژول‌های Terraform پشت BYOC عمومی‌اند و LLM Gateway روی لایه داده می‌تواند مدل‌های ۱۱ ارائه‌دهنده و هر نقطه پایانی سازگار با OpenAI یا Anthropic را فراخوانی کند.
برای تیم‌هایی که در صنایع دارای مقررات سخت عامل هوش مصنوعی می‌سازند، مهم‌ترین تغییر برداشته شدن قید ابر است: سازمانی که زیرساختش را بر Azure یا Google Cloud بنا کرده، دیگر مجبور نیست میان اداره LangSmith به‌دست خود و فرستادن داده‌های پایش به ابر LangChain یکی را برگزیند. مدل تجاری تغییری نکرده و لایه‌های داده از طریق تیم فروش راه‌اندازی می‌شوند.
چند نکته احتیاطی هم هست. نسخه Azure و Google Cloud هنوز بتاست، انتقال ردگیری‌ها فقط در AWS ممکن است و در این اعلام نه قیمتی آمده و نه تعهد سطح خدمات. هنگام بررسی ما، صفحه اصلی مستندات BYOC هنوز AWS را تنها ارائه‌دهنده در دسترس عمومی معرفی می‌کرد و از برنامه برای ابرهای دیگر سخن می‌گفت؛ نشانه‌ای که جزئیات ابرهای تازه شاید هنوز قطعی نشده باشد. مزیت‌هایی که برای مشتریان برشمرده شده، روایت خود LangChain است.