Skip to main content
LangSmith 可以通过 OpenTelemetry 工具捕获 LiveKit Agents 生成的追踪数据。本指南将展示如何自动捕获来自 LiveKit 语音 AI 智能体的追踪数据，并将其发送到 LangSmith 进行监控和分析。 完整实现请参考 演示仓库。

​
安装

安装所需的包： 
pip install langsmith livekit livekit-agents livekit-plugins-openai livekit-plugins-silero livekit-plugins-turn-detector opentelemetry-exporter-otlp python-dotenv

​
快速入门教程

按照这个分步教程，创建一个带有 LiveKit 和 LangSmith 追踪功能的语音 AI 智能体。您将通过复制粘贴代码片段来构建一个完整的工作示例。

​
步骤 1：设置环境

在项目目录中创建一个 .env 文件：
.env
OTEL_EXPORTER_OTLP_ENDPOINT=https://api.smith.langchain.com/otel
OTEL_EXPORTER_OTLP_HEADERS=x-api-key=<你的-langsmith-api-key>, Langsmith-Project=livekit-voice
LIVEKIT_URL=<你的-livekit-url>
LIVEKIT_API_KEY=<你的-livekit-api-key>
LIVEKIT_API_SECRET=<你的-livekit-api-secret>
OPENAI_API_KEY=<你的-openai-api-key>

​
步骤 2：下载跨度处理器

添加启用 LangSmith 追踪的 自定义跨度处理器文件。将其保存为项目目录中的 langsmith_processor.py。
跨度处理器用 LangSmith 兼容的属性来丰富 LiveKit Agents 的 OpenTelemetry 跨度，以便您的追踪数据能在 LangSmith 中正确显示。主要功能：
  • 将 LiveKit 跨度类型（stt、llm、tts、agent、session、job）转换为 LangSmith 格式。
  • 为消息可视化添加 gen_ai.prompt.* 和 gen_ai.completion.* 属性。
  • 跨对话轮次跟踪和聚合对话消息。
  • 使用多种提取策略来处理各种 LiveKit 属性格式。
当您在代码中导入该处理器时，它会自动激活。

​
步骤 3：创建您的语音智能体文件

创建一个名为 agent.py 的新文件，并添加以下代码。我们将分部分构建它，以便您可以复制粘贴每个部分。

​
第 1 部分：导入依赖项并设置追踪

import sys
import os
from pathlib import Path
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()

# 导入 LiveKit 组件
from livekit import agents
from livekit.agents import AgentServer, AgentSession, Agent
from livekit.agents.telemetry import set_tracer_provider
from livekit.plugins import silero
from livekit.plugins.turn_detector.multilingual import MultilingualModel
from opentelemetry.sdk.trace import TracerProvider

# 导入跨度处理器以启用 LangSmith 追踪
from langsmith_processor import LangSmithSpanProcessor

# 设置 LangSmith 追踪
def setup_langsmith():
    """设置 OpenTelemetry 追踪以将跨度导出到 LangSmith。"""
    endpoint = os.getenv("OTEL_EXPORTER_OTLP_ENDPOINT")
    headers = os.getenv("OTEL_EXPORTER_OTLP_HEADERS")

    if not endpoint or not headers:
        print("⚠️  警告：未设置 OTEL 环境变量。追踪已禁用。")
        return

    # 创建带有自定义跨度处理器的追踪器提供者
    trace_provider = TracerProvider()
    trace_provider.add_span_processor(LangSmithSpanProcessor())

    # 设置为 LiveKit 的追踪器提供者
    set_tracer_provider(trace_provider)
    print("✅ LangSmith 追踪已启用")

# 在创建智能体之前启用追踪
setup_langsmith()

​
第 2 部分：定义您的智能体

class Assistant(Agent):
    def __init__(self) -> None:
        super().__init__(
            instructions="""您是一个乐于助人的语音 AI 助手。
            您热切地帮助用户解答问题。
            保持回答简洁且对话式。""",
        )

​
第 3 部分：设置智能体服务器

server = AgentServer()

@server.rtc_session()
async def my_agent(ctx: agents.JobContext):
    # 创建带有 STT、LLM、TTS 和 VAD 的智能体会话
    session = AgentSession(
        stt="deepgram/nova-2:en",
        llm="openai/gpt-4.1-mini",
        tts=openai.TTS(model="tts-1", voice="alloy"),
        vad=silero.VAD.load(),
        turn_detection=MultilingualModel(),
    )

    # 启动会话
    await session.start(
        room=ctx.room,
        agent=Assistant(),
    )

if __name__ == "__main__":
    # 在控制台模式下运行以进行本地测试
    sys.argv = [sys.argv[0], "console"]
    agents.cli.run_app(server)

​
步骤 4：运行您的智能体

在控制台模式下运行您的语音智能体以进行本地测试： 
python agent.py console
您的智能体将启动并连接到 LiveKit。通过麦克风说话，所有追踪数据将自动出现在 LangSmith 中。以下是 LangSmith 中追踪数据的示例：LangSmith 中的 LiveKit 追踪 查看完整的 agent.py 代码。

​
高级用法

​
自定义元数据和标签

您可以使用跨度属性向追踪数据添加自定义元数据： 
from opentelemetry import trace

class Assistant(Agent):
    def __init__(self) -> None:
        super().__init__(
            instructions="您是一个乐于助人的助手。",
        )

        # 获取当前跨度并添加自定义属性
        tracer = trace.get_tracer(__name__)
        span = trace.get_current_span()
        if span:
            span.set_attribute("langsmith.metadata.agent_type", "voice_assistant")
            span.set_attribute("langsmith.metadata.version", "1.0")
            span.set_attribute("langsmith.span.tags", "livekit,voice-ai,production")

​
故障排除

​
跨度未出现在 LangSmith 中

如果追踪数据未显示在 LangSmith 中：
  1. 验证环境变量：确保 .env 文件中正确设置了 OTEL_EXPORTER_OTLP_ENDPOINT 和 OTEL_EXPORTER_OTLP_HEADERS。
  2. 检查设置顺序：确保在创建 AgentServer 之前 调用 setup_langsmith()。
  3. 检查 API 密钥：确认您的 LangSmith API 密钥具有写入权限。
  4. 查找确认信息：启动时应在控制台中看到 ”✅ LangSmith 追踪已启用”。

​
消息未正确显示

如果对话消息未正确显示：
  1. 检查跨度处理器：确认 langsmith_processor.py 在您的项目目录中且导入正确。
  2. 验证导入：确保在您的 agent.py 中导入了 LangSmithSpanProcessor。
  3. 启用调试日志：在环境中设置 LANGSMITH_PROCESSOR_DEBUG=true 以查看详细日志。

​
连接问题

如果您的智能体无法连接到 LiveKit：
  1. 验证 LiveKit URL：检查 .env 文件中的 LIVEKIT_URL 是否正确设置。
  2. 检查凭据：确保 LIVEKIT_API_KEY 和 LIVEKIT_API_SECRET 正确。
  3. 测试连接：首先尝试使用 LiveKit CLI 连接到您的 LiveKit 服务器。
  4. 控制台模式：对于本地测试，始终使用：python agent.py console。

​
导入错误

如果遇到导入错误：
  1. 安装依赖项：运行步骤 1 中的完整 pip install 命令。
  2. 检查 Python 版本：确保您使用的是 Python 3.9 或更高版本。
  3. 验证 langsmith_processor：确保 langsmith_processor.py 已下载并与 agent.py 位于同一目录。
  4. 检查 LiveKit 插件：确保您为 STT/LLM/TTS 提供商安装了正确的 LiveKit 插件。

​
智能体无响应

如果您的智能体已连接但无响应：
  1. 检查 API 密钥：验证您的 OpenAI API 密钥（或其他提供商密钥）是否正确。
  2. 测试服务：确保您的 STT、LLM 和 TTS 服务可访问。
  3. 检查指令：确保您的智能体具有正确的指令。
  4. 查看日志：在控制台输出中查找错误信息。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.