LangSmith를 사용하면 dataset의 schema 필드에 변환을 연결하여 UI, API 또는 run rule을 통해 데이터가 dataset에 추가되기 전에 적용할 수 있습니다. LangSmith의 사전 구축된 JSON schema 타입과 결합하여, dataset에 저장하기 전에 데이터를 쉽게 전처리할 수 있습니다.

​
Transformation 타입

Transformation TypeTarget TypesFunctionality
remove_system_messagesArray[Message]message 목록을 필터링하여 system message를 제거합니다.
convert_to_openai_messageMessage Array[Message]LangChain의 내부 직렬화 형식에서 들어오는 모든 데이터를 langchain의 convert_to_openai_messages를 사용하여 OpenAI의 표준 message 형식으로 변환합니다. 대상 필드가 필수로 표시되어 있고 입력 시 일치하는 message가 없으면, 여러 잘 알려진 LangSmith tracing 형식(예: 추적된 LangChain BaseChatModel run 또는 LangSmith OpenAI wrapper에서 추적된 run)에서 message(또는 message 목록)를 추출하고 message를 포함하는 원래 key를 제거합니다.
convert_to_openai_toolArray[Tool] inputs dictionary의 최상위 필드에서만 사용 가능합니다.langchain의 convert_to_openai_tool을 사용하여 들어오는 모든 데이터를 OpenAI 표준 tool 형식으로 변환합니다. 지정된 key에 tool이 없거나 존재하는 경우 run의 invocation parameter에서 tool 정의를 추출합니다. 이는 LangChain chat model이 tool 정의를 input이 아닌 run의 extra.invocation_params 필드에 추적하기 때문에 유용합니다.
remove_extra_fieldsObject이 대상 object의 schema에 정의되지 않은 모든 필드를 제거합니다.

​
Chat Model 사전 구축 schema

transformation의 주요 사용 사례는 프로덕션 trace를 dataset으로 수집하는 것을 단순화하여 downstream에서 평가/few shot prompting 등에 사용할 수 있도록 model provider 간에 표준화된 형식으로 만드는 것입니다. 최종 사용자를 위한 transformation 설정을 단순화하기 위해 LangSmith는 다음을 수행하는 사전 정의된 schema를 제공합니다:
  • 수집된 run에서 message를 추출하고 openai 표준 형식으로 변환하여 모든 LangChain ChatModel 및 대부분의 model provider SDK와 호환되도록 하여 downstream 평가 및 실험에 사용할 수 있습니다
  • LLM에서 사용된 모든 tool을 추출하고 downstream 평가에서 재현성을 위해 example의 input에 추가합니다
system prompt를 반복하려는 사용자는 Chat Model schema를 사용할 때 input message에 Remove System Messages transformation을 추가하는 경우가 많으며, 이렇게 하면 system prompt가 dataset에 저장되지 않습니다.

​
호환성

LLM run collection schema는 LangChain BaseChatModel run 또는 LangSmith OpenAI wrapper에서 추적된 run의 데이터를 수집하도록 구축되었습니다. 호환되지 않는 LLM run을 추적하는 경우 [email protected]로 문의하시면 지원을 확장할 수 있습니다. 다른 종류의 run에 transformation을 적용하려는 경우(예: message history가 있는 LangGraph state 표현), schema를 직접 정의하고 관련 transformation을 수동으로 추가하세요.

​
활성화

tracing project 또는 annotation queue에서 dataset으로 run을 추가할 때 LLM run type이 있으면 기본적으로 Chat Model schema를 적용합니다. 새 dataset에서 활성화하려면 dataset 관리 가이드를 참조하세요.

​
사양

사전 구축된 schema의 전체 API 사양은 아래 섹션을 참조하세요:

​
Input Schema

{
  "type": "object",
  "properties": {
    "messages": {
      "type": "array",
      "items": {
        "$ref": "https://api.smith.langchain.com/public/schemas/v1/message.json"
      }
    },
    "tools": {
      "type": "array",
      "items": {
        "$ref": "https://api.smith.langchain.com/public/schemas/v1/tooldef.json"
      }
    }
  },
  "required": ["messages"]
}

​
Output Schema

{
  "type": "object",
  "properties": {
    "message": {
      "$ref": "https://api.smith.langchain.com/public/schemas/v1/message.json"
    }
  },
  "required": ["message"]
}

​
Transformations

그리고 transformation은 다음과 같습니다: 
[
  {
    "path": ["inputs"],
    "transformation_type": "remove_extra_fields"
  },
  {
    "path": ["inputs", "messages"],
    "transformation_type": "convert_to_openai_message"
  },
  {
    "path": ["inputs", "tools"],
    "transformation_type": "convert_to_openai_tool"
  },
  {
    "path": ["outputs"],
    "transformation_type": "remove_extra_fields"
  },
  {
    "path": ["outputs", "message"],
    "transformation_type": "convert_to_openai_message"
  }
]
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I