دمج LangChain مع Truefoundry

Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
عزز أداء تطبيقات LangChain الخاصة بك باستخدام منصة TrueFoundry الجاهزة للإنتاج
برز LangChain كإطار عمل قوي لبناء تطبيقات مبتكرة مدعومة بنماذج اللغة الكبيرة (LLMs). تتيح مرونته وتكاملاته الواسعة للمطورين إنشاء ذكاء اصطناعي محادثة متطور، وأدوات تحليل البيانات، والمزيد. ومع ذلك، فإن نشر وإدارة تطبيقات LangChain هذه في بيئة الإنتاج يثير تعقيدات تتعلق بقابلية التوسع، وإمكانية المراقبة، وإدارة التكاليف، ودعم نماذج اللغة الكبيرة المتعددة.
سيرشدك منشور المدونة هذا إلى كيفية الاستفادة من TrueFoundry مع مشاريع LangChain الخاصة بك لتحقيق سير عمل سلس وفعال من التطوير إلى الإنتاج.
لماذا تستخدم TrueFoundry لتطبيقات LangChain الخاصة بك؟
تعالج TrueFoundry التحديات الحاسمة لتشغيل تطبيقات LangChain على نطاق واسع:
- وصول موحد إلى نماذج اللغة الكبيرة (LLM): اتصل بمختلف مزودي نماذج اللغة الكبيرة (LLM) الرائدين (مثل OpenAI و Anthropic، والمزيد قريباً) عبر نقطة نهاية API واحدة ومتسقة، مما يبسط عمليات التكامل ويتيح سهولة التجربة.
- نشر النماذج بكل سهولة: انشر وقدم نماذجك المدعومة بـ LangChain مع التوسع التلقائي، مما يضمن توفراً عالياً واستخداماً أمثل للموارد دون تعقيدات Kubernetes.
- مراقبة عميقة مع تتبع نماذج اللغة الكبيرة (LLM): احصل على رؤية غير مسبوقة لتفاعلات نماذج اللغة الكبيرة (LLM) في تطبيق LangChain الخاص بك. راقب، صحح الأخطاء، وحسّن كل خطوة في سلاسلك ووكلائك في بيئة الإنتاج.
- تتبع التكلفة والأداء: راقب عن كثب نفقات نماذج اللغة الكبيرة (LLM) ومقاييس الأداء عبر النماذج المختلفة، مما يتيح اتخاذ قرارات مستنيرة لتحسين التكلفة وتجربة المستخدم.
- موثوقية على مستوى الإنتاج: طبق آليات استرجاع ذكية وإعادة محاولة بكل سهولة، مما يضمن أن تكون تطبيقات LangChain الخاصة بك مرنة وموثوقة في سيناريوهات العالم الحقيقي.
دليل البدء السريع: ربط LangChain بـ TrueFoundry
البدء باستخدام TrueFoundry و LangChain سهل للغاية بفضل توافق TrueFoundry مع توقيع OpenAI. يمكنك التكامل بسلاسة بمجرد تهيئة ChatOpenAI واجهة.
التثبيت
أولاً، تأكد من تثبيت تكامل LangChain OpenAI:
pip install langchain-openaiالإعداد الأساسي
اربط تطبيق LangChain الخاص بك ببوابة LLM الموحدة من TrueFoundry عن طريق تحديث ChatOpenAI النموذج:
from langchain_openai import ChatOpenAI
TRUEFOUNDRY_PAT = "YOUR_TRUEFOUNDRY_PERSONAL_ACCESS_TOKEN"
TRUEFOUNDRY_BASE_URL = "YOUR_TRUEFOUNDRY_UNIFIED_ENDPOINT"
llm = ChatOpenAI(api_key=TRUEFOUNDRY_PAT,base_url=TRUEFOUNDRY_BASE_URL,model="openai-main/gpt-4o")
response = llm.invoke("What's the weather like today in Bengaluru?")
print(response.content)نقاط رئيسية:
- استبدل
"YOUR_TRUEFOUNDRY_PERSONAL_ACCESS_TOKEN"برمز الوصول الشخصي الفعلي الخاص بك من TrueFoundry (PAT). - عيّن
"YOUR_TRUEFOUNDRY_UNIFIED_ENDPOINT"إلى عنوان URL الأساسي المقدم من إعداد TrueFoundry الخاص بك. - استخدم اصطلاح تسمية النماذج الخاص بـ TrueFoundry:
provider-main/model-name. على سبيل المثال،openai-main/gpt-4oلـ GPT-4o من OpenAI.
باستخدام هذا التكوين البسيط، ستتم جميع الطلبات التي تتم عبر الـ llm كائن سيتم توجيهه تلقائيًا عبر بوابة TrueFoundry AI الخاصة بك، مستفيدًا من المصادقة، وموازنة التحميل، والتسجيل الشامل.
تكامل سلس مع LangGraph
تتكامل TrueFoundry بسلاسة مع LangGraph، إطار عمل LangChain لبناء سير عمل متعدد الوكلاء، وفهم LangChain vs LangGraph يساعد الفرق على اختيار نمط التنسيق الصحيح لأنظمة الذكاء الاصطناعي الإنتاجية. ما عليك سوى تكوين عقد LLM الخاصة بك داخل LangGraph لاستخدام TrueFoundry ChatOpenAI العميل، وستتولى TrueFoundry تلقائيًا معالجة البنية التحتية الأساسية وإمكانية المراقبة.
from langchain_openai import ChatOpenAI
from langgraph.graph import StateGraph, MessagesState
from langchain_core.messages import HumanMessage
TRUEFOUNDRY_PAT = "YOUR_TRUEFOUNDRY_PERSONAL_ACCESS_TOKEN"
TRUEFOUNDRY_BASE_URL = "YOUR_TRUEFOUNDRY_UNIFIED_ENDPOINT"
def call_model(state: MessagesState):
model = ChatOpenAI(api_key=TRUEFOUNDRY_PAT,base_url=TRUEFOUNDRY_BASE_URL,model="openai-main/gpt-4o")
response = model.invoke(state["messages"])
return {"messages": [response]}
workflow = StateGraph(MessagesState)
workflow.add_node("agent", call_model)
workflow.set_entry_point("agent")
workflow.set_finish_point("agent")
app = workflow.compile()
result = app.invoke({"messages": [HumanMessage(content="Tell me a short story.")]})
print(result)فتح إمكانية المراقبة والرؤى
إحدى أهم مزايا استخدام TrueFoundry مع LangChain هي قدراتها المدمجة للمراقبة وإمكانية الرؤية. جميع الطلبات التي تمر عبر بوابة TrueFoundry AI تتم تلقائيًا:
- التسجيل: توفير رؤى تفصيلية حول الطلبات والاستجابات.
- التتبع: يتيح لك تتبع تدفق التنفيذ عبر مكونات LangChain الخاصة بك.
- المراقبة: تتبع مؤشرات الأداء الرئيسية والتكاليف.

ادخل إلى لوحة التحكم البديهية للمراقبة على منصة TrueFoundry للحصول على رؤية شاملة لسلوك تطبيق LangChain الخاص بك في بيئة الإنتاج. استكشف سجلات الطلبات، وحلل مقاييس الأداء مثل زمن الاستجابة واستخدام الرموز، وتتبع تفاصيل التكلفة حسب النموذج، وحدد أنماط الأخطاء لتصحيح الأخطاء بشكل أسرع.
ابدأ باستخدام TrueFoundry و LangChain اليوم!
توفر TrueFoundry البنية التحتية والأدوات الأساسية لنقل تطبيقات LangChain المبتكرة الخاصة بك من التطوير إلى الإنتاج بثقة وكفاءة. من خلال تبسيط دمج نماذج اللغة الكبيرة (LLM)، وأتمتة عمليات النشر، وتوفير إمكانية مراقبة عميقة، تمكّن TrueFoundry فريقك من التركيز على بناء حلول ذكاء اصطناعي متطورة بدلاً من الصراع مع تعقيدات البنية التحتية.
هل أنت مستعد لتجربة قوة TrueFoundry لمشاريع LangChain الخاصة بك؟
- تفضل بزيارة موقع TrueFoundry الإلكتروني لمعرفة المزيد والاشتراك في نسخة تجريبية مجانية.
- استكشف وثائق TrueFoundry الشاملة للحصول على أدلة مفصلة ومراجع واجهة برمجة التطبيقات (API).
- تعمق أكثر في تتبع نماذج اللغة الكبيرة (LLM) و تتبع LangGraph مع TrueFoundry.
لأي أسئلة أو دعم، لا تتردد في التواصل مع فريق TrueFoundry على support@truefoundry.com
أطلق العنان للإمكانات الكاملة لتطبيقات LangChain الخاصة بك مع TrueFoundry وابنِ مستقبل الذكاء الاصطناعي، اليوم!
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.
The fastest way to build, govern and scale your AI

















.png)
.webp)










.webp)






