Harrison Chase, CEO von LangChain, veröffentlicht einen konzeptionellen Artikel, der einen fundamentalen Paradigmenwechsel im Verständnis agentenbasierter KI-Systeme etabliert: In traditioneller Software dokumentiert der Code die Anwendung; bei KI-Agenten übernehmen Traces diese Rolle.

In der traditionellen Softwareentwicklung verstehen Entwickler die Funktionsweise einer Anwendung durch Untersuchung ihres Codes – die Entscheidungslogik existiert explizit in der Codebasis. Agentenbasierte Systeme funktionieren anders. Zwar orchestrieren Entwickler die LLM-Aufrufe, doch "die tatsächlichen Entscheidungen – welches Tool aufgerufen wird, wie das Problem durchdacht wird, wann Schluss gemacht wird, was priorisiert wird – all das geschieht im Modell zur Laufzeit."

Chase stellt fest, dass der Orchestrierungscode debugbar bleibt, die Intelligenz hinter den Entscheidungen jedoch im Modell selbst liegt, nicht im Repository. Der Code wird zu einem bloßen "Gerüst" um die eigentliche Logik.

Traces zeichnen die Abfolge der von Agenten ausgeführten Schritte auf und dokumentieren Denkmuster, Tool-Auswahl, Ergebnisse und Timing. Diese Verschiebung rekonfiguriert die operativen Praktiken: "Debugging, Testing, Profiling, Monitoring – all das verlagert sich vom Arbeiten mit Code zum Arbeiten mit Traces."

Anders als deterministische Software, bei der identische Eingaben identische Ausgaben erzeugen, generieren KI-Agenten aus derselben Eingabe unterschiedliche Denkketten. Der Vergleich von Traces wird essenziell, um Verhaltensunterschiede zu verstehen.

Der Artikel beschreibt im Detail die Auswirkungen auf jede Entwicklungspraxis. Debugging verlagert sich von der Codeprüfung zur Trace-Inspektion, um zu identifizieren, wo die Argumentation fehlgeschlagen ist. Testing erfordert "eval-getriebene" Ansätze, die Traces während der Ausführung erfassen, mit kontinuierlicher Validierung in der Produktion. Die Performance-Optimierung konzentriert sich auf Entscheidungsmuster innerhalb der Traces – die Identifizierung unnötiger Tool-Aufrufe und ineffizienter Denkpfade.

Monitoring entwickelt sich von der Uptime-Überwachung zur Qualitätsbewertung und misst Aufgabenerfolg und Effizienz der Argumentation. Observability-Plattformen werden zu den primären Kollaborationsräumen, in denen Teams Agentenentscheidungen diskutieren. Produktanalyse integriert sich mit der Verhaltensanalyse von Agenten.

Chase schließt mit einer Warnung: "Agenten ohne robuste Observability zu bauen bedeutet, ohne Zugang zur zentralen Dokumentation der Logik zu operieren."