لنگچین (LangChain Inc.)، استارتاپی که مجموعهای از ابزارهای متنباز و پرطرفدار برای ساخت عاملهای هوش مصنوعی را عرضه میکند، ۳۰۰ میلیون دلار جذب سرمایه کرده است. روزنامه وال‌استریت ژورنال امروز گزارش داد که این دور با رهبری صندوق کپیتالجی (CapitalG)، بازوی سرمایه‌گذاری شرکت آلفابت، بسته شده و آی‌وی‌پی (IVP)، سفایر ونچرز (Sapphire Ventures)، جی‌آی‌سی (GIC) و دی‌اف‌جی گروث (DFJ Growth) هم در آن مشارکت داشته‌اند. با این دور، ارزش لنگچین به ۳ میلیارد دلار رسیده است.
لنگچین که مقر آن در سانفرانسیسکو است، بیشتر با چارچوب متنباز همنام خود شناخته میشود که در سال ۲۰۲۲ منتشر شد. این نرمافزار حجم کاری که برای ساختن عامل هوش مصنوعی لازم است را کاهش میدهد. لنگچین اتصال یک عامل به مدل زبانی بزرگ، یکپارچه‌کردن آن با ابزارهای بیرونی و افزودن دستور سیستمی را نسبتاً ساده میکند. این چارچوب همچنین به توسعهدهندگان اجازه میدهد جزئیاتی مثل قالب پاسخهای مدل را سفارشیسازی کنند.
دومین ابزار متنباز شرکت، لنگ‌گراف (LangGraph)، برای موقعیتهایی طراحی شده که یک کار برای خودکارسازی توسط یک عامل واحد بیش از حد پیچیده است. لنگ‌گراف میتواند چند عامل متکی به لنگچین را در یک جریان کاری خودکار به هم زنجیر کند. این ابزار میتواند عناصری دیگر را هم اضافه کند؛ از جمله سازوکاری که برای اقدامهای حساس، تأیید انسانی را الزامی میکند.
سومین جزء سبد متنباز لنگچین، دیپ ایجنتس (Deep Agents) است. این ابزار لنگچین و لنگ‌گراف را با قابلیتهایی گسترش میدهد که انجام کارهای پیچیده را برای عاملها آسانتر میکند: یک فایل‌سیستم مجازی که عامل میتواند دادههایش را در آن نگه دارد، ابزاری برای برنامهریزی کار، و قابلیت تولید عاملهای فرعی.
لنگچین از طریق مجموعهای از محصولات پولی به نام لنگ‌اسمیت (LangSmith) درآمدزایی میکند. توسعهدهندگان میتوانند از آن نه فقط برای ساختن عامل، بلکه برای نگهداری عامل پس از رسیدن به محیط عملیاتی استفاده کنند. یک عامل هوش مصنوعی معمولاً پیش از عرضه به کاربر، چندین نسخه و بازنگری را طی میکند. لنگ‌اسمیت به تیمهای نرمافزاری امکان میدهد این نسخهها را در یک مخزن مرکزی ذخیره کنند. اگر بهروزرسانی تازه، باگ را وارد کد عامل کند، توسعهدهندگان میتوانند با لنگ‌اسمیت سریع به نسخه قبلی و بدون باگ بازگردند. علاوه بر این، میتوانند کیفیت خروجی نسخههای مختلف عامل را با هم مقایسه کنند تا تشخیص دهند کدام نسخه باید روی محیط عملیاتی برود.
لنگ‌اسمیت مجموعهای از قابلیتهای مشاهدهپذیری را هم در خود دارد. این ابزار ردها (traces) را تولید میکند؛ یعنی گزارشهایی که هر گام از جریان کاری پردازش یک درخواست توسط عامل را توصیف میکنند. لنگ‌اسمیت این ردها را تحلیل میکند تا مشکلات فنی را پیدا کند، سپس آنها را بر اساس شدت اولویتبندی میکند و اصلاح کد را تولید میکند.
لنگچین پس از دور سرمایه‌گذاری قبلی خود در سال گذشته اعلام کرد ابزارهای متن‌بازش ماهانه حدود ۹۰ میلیون بار دانلود میشوند و مجموعه لنگ‌اسمیت آن نیز توسط شرکتهایی مثل اتودسک و سیسکو سیستمز و فهرست بلندی از شرکتهای فناوری دیگر استفاده میشود.
بر اساس گزارش‌ها، لنگچین قصد دارد تعداد کارکنانش را تا پایان سال ۲۰۲۷ تقریباً دو برابر کند و به ۸۵۰ نفر برساند. این شرکت متخصصان زیرساخت، مهندسان هوش مصنوعی، فروشندگان و بازاریابان را استخدام خواهد کرد.
این دور سرمایه‌گذاری در حالی بسته میشود که رقابت بر سر «لایه میانی» عاملهای هوش مصنوعی شدت گرفته است. شرکتهایی مثل اوپن‌ای‌آی و آنتروپیک کیت‌های توسعه نرمافزار خود را برای ساخت عامل عرضه میکنند و پلتفرمهای ابری هم ابزارهای مشابه دارند؛ اما لنگچین مزیت خود را در بی‌طرفی نسبت به مدل و در انبوه پروژههایی میداند که از سال ۲۰۲۲ روی چارچوبش ساخته شده‌اند. سرمایه‌گذاران هم عملاً روی همان لایه «بیل و کلنگ» شرط بسته‌اند: اگر ساخت عامل به کار روزمره تیمهای نرمافزاری تبدیل شود، ابزار ارکستراسیون و پایش، مستقل از اینکه کدام مدل برنده میدان شود، پول میسازد. چالش اصلی، تبدیل این جامعه بزرگ متنباز به درآمد پایدار است؛ کاری که لنگچین میخواهد با لنگ‌اسمیت و فروش سازمانی انجام دهد.