在日常工作中，我们处理邮件的效率直接影响着生产力，尤其是对于那些邮件量大、需要快速响应的场景。传统的邮件管理方式往往耗时耗力，即便是自动化工具也常需编写复杂的代码。这时，如果能有一个工具，让我们仅凭自然语言描述，就能快速够建一个智能代理，处理邮件分类、回复草拟甚至行动记录，那无疑是件极大的便利。

LangSmith 的 Agent Builder (目前仍处于私有预览阶段) 正是为此而生。它提供了一个无需代码的途径，将你的想法直接转化为可投入生产的 AI 代理。你不再需要费力设计复杂的工作流程，只需清晰地阐述代理应完成的任务，Agent Builder 就能自动为你生成系统提示、推荐所需工具、设置触发器，甚至支持人工干预、持久化记忆和自我更新等高级功能。

更棒的是，它允许你组合多个子代理来处理专业任务，集成像 Google Docs/Sheets 这样的外部服务，并利用内置的跟踪 (Tracing) 和监控 (Monitoring) 面板来全面观测代理的运行情况。

在这篇博文中，我将带领大家从零开始，使用 LangSmith Agent Builder 构建一个实用的邮件分拣助手。通过这个实践案例，你将学习如何：

• 访问 Agent Builder 并通过自然语言指令创建一个新代理。
• 审查系统生成的计划，并理解其行动逻辑。
• 认证并连接外部服务（如 Gmail、Google Sheets）。
• 测试真实邮件，并根据反馈迭代优化指令。
• 利用内置的跟踪和监控工具，深入分析代理的运行轨迹、延迟和成本。

最终，你将拥有一个无需编写任何代码，就能自动分类入站邮件、草拟回复，并将每日操作记录到 Google Sheets 的智能助手。如果你对构建 AI 代理感兴趣，我个人强烈推荐 DataCamp 的 Multi-Agent Systems with LangGraph 课程，它能帮助你更深入地理解相关概念。

LangSmith Agent Builder 是什么？

LangSmith 的 Agent Builder 提供了一个直观的、基于 UI 的方式来设计和管理 AI 代理，它集成了记忆、子代理、触发器和人工审批等核心功能。

其底层基于 deep-agents —— 一个构建于 LangGraph 之上的开源代理框架。与传统手动绘制工作流不同，Agent Builder 能够将你的自然语言描述编译成一个有状态的代理。

它的核心工作机制是：

• 先规划后执行：在处理复杂或耗时任务时，代理会先制定一个执行计划，以有效管理任务进度和成本。
• 子代理委托：对于专业性较强的任务，代理会将其委托给专门的子代理来处理，比如研究、总结或搜索等。
• 工具层集成：通过中间件（如文件操作、待办事项、Shell 命令、Web 搜索等），代理能够调用各类外部工具。
• 人工干预：在涉及敏感操作时，Agent Builder 支持“人工在环”(human-in-the-loop) 模式，允许用户暂停代理的行动，进行审批或修改。
• 编译运行：代理最终会编译成 LangGraph 图，支持流式处理、详细跟踪和与开发环境的无缝集成。

Agent Builder 的关键能力包括：

• 自然语言配置：仅仅通过自然语言输入，Builder 就能起草指令并完成必要的连接。
• 触发器：代理可以由外部事件（例如，新邮件到达）或预设时间表启动。
• 丰富的工具：通过一键认证，即可连接 Gmail、Google Docs/Sheets、Calendar、Web Search 等多种工具。
• 子代理：将复杂任务拆解成更专注的辅助代理，比如用于研究、总结或搜索的子代理，从而提升效率和准确性。
• 人工在环 (Human-in-the-loop)：用户可以中断代理，让其暂停行动等待你的审批，确保了操作的安全性。
• 记忆与自我更新：具备持久化记忆功能，并支持受控的自我编辑，以更新指令和工具配置。

简而言之，它提供了一种无需编写代码的开发体验，同时又能确保代理的可观测性、操作审批和持续迭代的能力。如果你想体验 LangSmith Agent Builder，需要先加入 等待列表。

实践：构建一个邮件分拣助手

接下来，我们来构建一个简单的助手，用于帮助一位处理大量机构邮件的自由职业者。这个代理将实现以下功能：

1. 阅读新邮件，并将其分类为“立即回复”、“安排日程”、“委托处理”或“归档”。
2. 草拟一份一句话的摘要，并附上两行回复建议。
3. 如果发件人或域名不熟悉，通过网络搜索添加一行上下文信息。
4. 将所有行动记录到一个名为 “Today — Email Actions (YYYY-MM-DD)” 的 Google Sheet 中。
5. 在创建或更新文档前，征得用户批准。

步骤 1：访问 Agent Builder

当你获得访问权限后，登录 LangSmith，从左侧导航栏打开 Agent Builder (Beta)。

你将看到 No-code Agent Builder 页面。点击 + New Agent 开始创建一个新代理，或者选择 Learn More 查看文档。

步骤 2：描述你的代理

首先，你需要输入一个简洁的描述并选择一个模型。虽然你也可以手动构建代理，但这超出了我们本文的范畴。

你可以从列表中选择模型，或者添加一个自定义模型以适应你的特定需求。

我用到的提示词是：

You are an email triage assistant. When a new message arrives, classify it as {reply now, schedule, delegate, archive}. Draft a 1-sentence summary and a 2-line reply suggestion. If the sender/domain is unfamiliar, add a 1-line context via web search. Update (or create) a Google Doc titled “Today — Email Actions (YYYY-MM-DD)” with columns: Sender | Subject | Action | Suggested Reply | Due. Pause for approval before adding or modifying the doc.

如果选择 Sonnet 4.5 等模型，系统会提示你添加 ANTHROPIC_API_KEY。输入密钥并保存即可。

提交描述后，Builder 会自动分析你的意图，并提出工具/触发器建议，同时起草初步指令。

步骤 3：回答跟进问题

在 Builder 检查完可用的工具和触发器后，它会提出一些有针对性的跟进问题，比如输出的首选目的地、审批要求、标签规则等。

你的回答将被用于最终确定代理的指令，连接正确的工具和触发器，并自动继续设置过程。

步骤 4：审查生成的计划

在回答完跟进问题后，Builder 会展示一个建议的图谱，包括触发器、代理本身以及所有已连接的工具（如 Gmail、Google Docs），它们都已自动关联起来。

在这个界面，你可以对设计进行“健全性检查”：

• 触发器 (Trigger)：代理何时以及如何启动（例如，收到邮件、按计划运行等）。
• 代理 (Agent)：模型选择和核心指令。
• 工具 (Tools)：代理可以调用哪些工具以及用于哪些操作。

这一步可以看作是创建前的预览，快速验证代理的范围、数据访问权限和安全防护措施。如果一切无误，就可以继续。接下来，你需要进行身份验证并连接工具，这样代理才能真正执行操作（发送草稿、更新 Docs 等）。

步骤 5：认证与连接

在你的代理能够读取邮件或写入 Google Sheet 之前，你需要授予它相应的访问权限。

在 Agent Builder 中，这是一个引导式的一次性过程。你将连接 Gmail 和 google-langsmith-prod 集成（用于 Google Sheets 操作）。一旦连接成功，你就可以安全地要求在任何写入操作前进行人工审批。

步骤 5.1：连接 Gmail

要将代理连接到你的 Gmail 账户，请按以下步骤操作：

• 在“连接”(Connections) 面板中，点击 Gmail — Email Received 旁边的“连接”(Connect)。

• 使用你希望代理监控的 Google 账户登录，并批准相关权限。
• 回到 Agent Builder，点击“我已完成身份验证”(I’ve completed authentication)。

一旦“邮件接收”(Email Received) 触发器设置完成，你的代理就可以根据你的指令分类和回复入站消息了。

步骤 5.2：认证 google-langsmith-prod

接下来，以类似的方式认证 google-langsmith-prod。你可以按照以下步骤操作：

1. 点击 google-langsmith-prod 旁边的“连接”(Connect)。
2. 使用相同的（或预期的）Google 账户批准对 Sheets 的访问。
3. 在 Agent Builder 中确认。

现在，你的代理可以创建/更新 Google Docs 和 Sheets（比如追加行、更新表格或生成新表格等），同时仍会遵守你配置的任何中断/审批步骤。

当两个连接都处于活动状态时，点击“创建代理”(Create Agent)。你将看到完整的图谱，可以开始端到端测试了。

至此，你的代理拥有了接收邮件并将行动记录写入 Google Sheets 的最低限度且安全的权限。接下来，我们将运行一些测试消息，并通过人工干预来批准或编辑任何草稿更新，确保万无一失。

步骤 6：测试代理

先用几封真实的邮件测试一下，看看代理是如何分类和回应的。

示例 1：信息性邮件

我将一封日常的“YouTube 信息”邮件复制粘贴到测试聊天窗口中，代理正确地将其标记为低优先级，并建议“归档/无需回复”操作，并附上一行摘要。

示例 2：时效性邮件

对于这个例子，我粘贴了一份需要立即处理的紧急通知。代理将其归类为“立即回复”，生成了一个简洁的摘要，并起草了两行回复。

它把回复发件人弄错了（一个小小的路由错误），但确实识别出了正确的主题和意图，这对于快速编辑和发送来说，还是很有用的。

这个工具最棒的一点是，在代表你执行任何操作之前，它都需要你的审批。这个“人工在环”的步骤让我能够修正收件人，并确认更新，避免了任何意外的更改。

7. 部署代理

现在我们已经测试了流程，并审查了跟踪记录；是时候让代理开始工作了。

部署意味着从受控测试转向实时输入，同时保留“人工在环”的审批机制，确保没有任何操作会在你不知情的情况下执行。

点击 Use Agent 将代理切换到活跃使用状态。

这是我给代理的指令：

Look through the top 10 emails and suggest action items for each in the form of a table.

所有 10 封邮件的分类都非常准确，而且分类得当。值得注意的是，你甚至可以在创建代理后，通过右上角的 Edit Agent 按钮进行编辑。你也可以使用 New Thread 选项开始一个新的对话。

我要求代理将结果推送到 Google Sheets。它创建了表格，但无法写入行，因为没有连接“写入 Sheets”的工具。作为备用方案，它返回了一个干净、可复制粘贴的表格。你可以稍后连接一个 Sheets 写入工具，实现端到端的自动化。

现在你的代理已经准备就绪。打开 Tracing Projects 面板，你可以检查执行情况、时间、工具调用以及任何审批暂停，我们将在下一节进行探讨。

8. 跟踪与监控项目

一旦你的代理投入运行，LangSmith 的可观测性套件就能帮助你了解它在实际运行中的表现，包括从单次运行到长期趋势。你主要会用到两个功能区：

• Tracing projects (跟踪项目)：用于深入分析单次运行的细节。
• Monitoring (监控)：用于查看项目层面的仪表板。

跟踪项目 (Tracing projects)：

这个部分能帮助我们详细检查单次代理运行（输入/输出、工具调用、延迟和 token 消耗），以进行调试和验证行为。

以下是 LangSmith 仪表板中跟踪项目的几个步骤：

• 打开 Observability 部分，选择 Tracing Projects，然后点击你的项目。
• 在 Runs 页面中，你会看到每次调用，包含“开始时间”、“延迟”、“Tokens/成本”、“错误”和“数据集”等列。
• 点击任意一行，即可检查完整的跟踪记录，包括输入/输出消息、中间步骤、工具调用、流式传输块和注释。
• 使用 Filter shortcuts（右侧边栏）可以按输出文本、工具使用情况、错误类型或自定义标签进行切片分析。
• 你甚至可以切换标签页查看：
  • LLM Calls：查看 token 的细分和模型使用情况。
  • Traces：包含当前运行的逐步图。
  • Threads：将多轮对话分组在一起。
  • Automations：附加评估器或运行后操作。

监控 (Monitoring)

这个部分利用预构建的仪表板来跟踪趋势（跟踪计数、延迟百分位数、错误率、成本/token 消耗、工具使用情况），并按时间或运行类型过滤，以便及早发现问题。

• 打开左侧的 Monitoring 标签页，选择你的项目。
• 查看以下仪表板：
  • Traces：包括随时间变化的请求量和成功/错误率。
  • LLM Calls：显示按模型或提供商分布的使用情况。
  • Cost and Tokens：这是一个累积和单次运行的成本消耗。
  • Run Types：显示哪些路径和工具最活跃。
• 调整日期范围、分组方式和保留设置，以匹配你的审查频率。

通过 Tracing 和 Monitoring，我们既可以检查任何单次运行来调试问题，也可以从宏观角度验证代理的可靠性、成本和性能趋势。整个流程透名可控，这个平台真是能省下不少工夫。

最终思考

LangSmith 的 Agent Builder 让我看到了无代码代理的巨大进步。在这次实践中，我们构建了一个邮件分拣助手，它能够分类消息、草拟回复，并记录行动，而且在部署前我们验证了每一步。

我们只需描述意图，Agent Builder 就能完成剩下的所有工作，包括设置触发器、连接工具、创建子代理、管理记忆和处理人工审批，所有这一切都在 Tracing 中清晰可见，并在 Monitoring 中汇总展示。

它的亮点在于：通过纯自然语言快速设置；一键连接 Gmail 的便捷性；“中断-审批”模式带来的安全性；以及端到端的可观测性。当然，它也有些局限，比如目前仍是私有预览版，可能会有偶尔的小问题，例如在连接正确集成之前可能无法写入 Sheets，以及在测试后需要对指令进行微调。

Agent Builder 让我们能将重心放在“代理应该做什么”和“何时行动”上，同时提供了审批、跟踪和迭代的护栏。从这里开始，你可以尝试将这种模式扩展到日程安排、潜在客户资格筛选，甚至收件箱摘要等场景，并通过 Monitoring 来跟踪成本、延迟和准确性，随着规模的扩大而进行优化。

如果你渴望学习更多关于构建 AI 代理的知识，不妨看看这些资源：

• Google Antigravity 教程
• LangChain v1 教程
• AI Agent Fundamentals 技能路径

LangSmith Agent Builder 常见问题

开始使用 Agent Builder 前我需要准备什么？

你至少需要一个模型 API 密钥（例如 OPENAI_API_KEY 或 ANTHROPIC_API_KEY），并将其作为工作区密钥添加。如果你希望代理使用额外的工具——比如网络搜索或 Slack——你可能还需要添加这些工具专属的密钥。

我可以向代理添加自己的工具吗？

可以。Agent Builder 包含了内置工具，但你也可以通过 LangChain 的 MCP (Model Context Protocol) 连接自己的工具，让你的代理能够与外部应用或自定义 API 进行交互。

私有代理和工作区代理有什么区别？

私有代理仅对你可见。工作区代理则与你的团队共享，但每个人仍使用自己的凭据（例如，对于基于 OAuth 的工具），并保持他们的聊天历史私密。

关于

关注我获取更多资讯

📢 公众号

💬 个人号