interrupt26-report/EVENT_REPORT.html at main · GenerativeAgents/interrupt26-report · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
<!doctype html>
<html lang="ja">
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1">
  <title>LangChain Interrupt 2026 レポート</title>
  <style>
    :root {
      color-scheme: light;
      --ink: #18211f;
      --muted: #5a6965;
      --paper: #f7f8f5;
      --panel: #ffffff;
      --line: #d9ded7;
      --green: #0c8f59;
      --blue: #2257c7;
      --coral: #d85a3a;
      --amber: #b46b00;
    }

    * {
      box-sizing: border-box;
    }

    body {
      margin: 0;
      color: var(--ink);
      background: var(--paper);
      font-family: -apple-system, BlinkMacSystemFont, "Hiragino Sans", "Yu Gothic", "YuGothic", "Segoe UI", sans-serif;
      line-height: 1.75;
    }

    a {
      color: var(--blue);
      text-decoration-thickness: 1px;
      text-underline-offset: 3px;
    }

    .hero {
      background: #101614;
      color: white;
      border-bottom: 1px solid #28342f;
    }

    .hero img {
      width: 100%;
      max-height: 380px;
      object-fit: cover;
      display: block;
    }

    .hero-inner {
      width: min(1120px, calc(100% - 32px));
      margin: 0 auto;
      padding: 32px 0 40px;
    }

    h1 {
      margin: 0 0 16px;
      font-size: clamp(34px, 6vw, 72px);
      line-height: 1.05;
      letter-spacing: 0;
    }

    .lead {
      max-width: 880px;
      margin: 0;
      color: #d7e0dc;
      font-size: 18px;
    }

    .badges {
      display: flex;
      flex-wrap: wrap;
      gap: 8px;
      margin-bottom: 20px;
    }

    .badge {
      display: inline-flex;
      align-items: center;
      min-height: 32px;
      padding: 4px 12px;
      border: 1px solid rgba(255, 255, 255, 0.28);
      background: rgba(255, 255, 255, 0.08);
      color: #f4f7f5;
      font-size: 13px;
      font-weight: 700;
      text-transform: uppercase;
    }

    main {
      width: min(1120px, calc(100% - 32px));
      margin: 0 auto;
      padding: 40px 0 72px;
    }

    section {
      margin: 0 0 52px;
    }

    h2 {
      margin: 0 0 16px;
      font-size: 30px;
      line-height: 1.25;
      letter-spacing: 0;
    }

    h3 {
      margin: 28px 0 10px;
      font-size: 21px;
      line-height: 1.35;
      letter-spacing: 0;
    }

    p {
      margin: 0 0 14px;
    }

    .summary {
      display: grid;
      grid-template-columns: repeat(4, minmax(0, 1fr));
      gap: 12px;
      margin: 24px 0 0;
    }

    .metric {
      background: var(--panel);
      border: 1px solid var(--line);
      border-radius: 8px;
      padding: 16px;
    }

    .metric strong {
      display: block;
      margin-bottom: 4px;
      color: var(--green);
      font-size: 24px;
      line-height: 1.1;
    }

    .metric span {
      color: var(--muted);
      font-size: 13px;
    }

    .stack {
      display: grid;
      gap: 10px;
      margin: 20px 0;
    }

    .layer {
      display: grid;
      grid-template-columns: 220px 1fr;
      gap: 16px;
      align-items: start;
      background: var(--panel);
      border: 1px solid var(--line);
      border-left: 6px solid var(--green);
      border-radius: 8px;
      padding: 16px;
    }

    .layer:nth-child(2n) {
      border-left-color: var(--blue);
    }

    .layer:nth-child(3n) {
      border-left-color: var(--coral);
    }

    .layer b {
      font-size: 17px;
    }

    .grid {
      display: grid;
      grid-template-columns: repeat(2, minmax(0, 1fr));
      gap: 16px;
    }

    .card {
      background: var(--panel);
      border: 1px solid var(--line);
      border-radius: 8px;
      padding: 20px;
    }

    .card h3 {
      margin-top: 0;
    }

    .photo-grid {
      display: grid;
      grid-template-columns: repeat(2, minmax(0, 1fr));
      gap: 16px;
      margin-top: 20px;
    }

    .photo-card {
      background: var(--panel);
      border: 1px solid var(--line);
      border-radius: 8px;
      overflow: hidden;
    }

    .photo-card img {
      width: 100%;
      aspect-ratio: 4 / 3;
      object-fit: cover;
      display: block;
      background: #eef1ec;
    }

    .photo-card figcaption {
      padding: 12px 14px 14px;
      color: var(--muted);
      font-size: 13px;
      line-height: 1.55;
    }

    table {
      width: 100%;
      border-collapse: collapse;
      margin-top: 18px;
      background: var(--panel);
      border: 1px solid var(--line);
      border-radius: 8px;
      overflow: hidden;
    }

    th,
    td {
      border-bottom: 1px solid var(--line);
      padding: 10px 12px;
      text-align: left;
      vertical-align: top;
    }

    th {
      color: var(--green);
      font-size: 13px;
      text-transform: uppercase;
      background: #f0f5f1;
    }

    tr:last-child td {
      border-bottom: 0;
    }

    .callout {
      background: #fff8e8;
      border: 1px solid #e6c985;
      border-left: 6px solid var(--amber);
      border-radius: 8px;
      padding: 18px 20px;
    }

    ul {
      padding-left: 22px;
    }

    li {
      margin: 6px 0;
    }

    footer {
      width: min(1120px, calc(100% - 32px));
      margin: 0 auto;
      padding: 24px 0 48px;
      color: var(--muted);
      border-top: 1px solid var(--line);
      font-size: 14px;
    }

    @media (max-width: 760px) {
      .summary,
      .grid,
      .photo-grid {
        grid-template-columns: 1fr;
      }

      .layer {
        grid-template-columns: 1fr;
      }

      main {
        padding-top: 28px;
      }
    }
  </style>
</head>
<body>
  <header class="hero">
    <img src="img/header.png" alt="LangChain Interrupt 2026">
    <div class="hero-inner">
      <div class="badges">
        <span class="badge">May 13-14, 2026</span>
        <span class="badge">The Midway, San Francisco</span>
        <span class="badge">The Agent Conference by LangChain</span>
      </div>
      <h1>LangChain Interrupt 2026 レポート</h1>
      <p class="lead">AI agent の関心が「作れるか」から「本番でどう動かし、観測し、改善し続けるか」へ移ったことを示すイベント。セッション内容とレポート配信での議論を統合して整理した。</p>
    </div>
  </header>

  <main>
    <section>
      <h2>エグゼクティブサマリー</h2>
      <p>LangChain Interrupt 2026 の中心メッセージは、agent はリリースして終わりではなく、trace、eval、feedback、memory、skills、tools を通じて育て続ける対象だということだった。通常のソフトウェアと比べ、agent はモデル、ツール、プロンプト、コンテキスト、外部環境の変化で挙動が変わりやすい。そのため、本番投入後に何が起きたかを観測し、問題を発見し、修正し、再発を防ぐ継続的な仕組みが必要になる。</p>
      <p>Keynote で発表された LangSmith Engine、SmithDB、LangSmith Sandboxes、Managed Deep Agents、LLM Gateway、Context Hub、Deep Agents 0.6 は、個別機能ではなく production agent のライフサイクルを支えるスタックとして見ると理解しやすい。</p>
      <p>現地写真は、追加された <code>img</code> 配下の写真のEXIF時刻をもとにセッションへ対応づけた。EXIF時刻はJST相当で記録されていたため、San Francisco 現地時刻（PDT）へ変換して公式タイムテーブルと <code>sessions</code> の動画・書き起こし名で照合している。</p>
      <div class="summary">
        <div class="metric"><strong>7</strong><span>主要リリーストピック</span></div>
        <div class="metric"><strong>8</strong><span>Day 1 セッション要約</span></div>
        <div class="metric"><strong>57分</strong><span>レポート配信の書き起こし</span></div>
        <div class="metric"><strong>1,000+</strong><span>公式サイト上の参加規模</span></div>
      </div>
    </section>

    <section>
      <h2>現地写真で見るセッション</h2>
      <div class="photo-grid">
        <figure class="photo-card">
          <img src="img/IMG_3845.JPG" alt="Day 1 Keynote Agent Development Lifecycle">
          <figcaption>Day 1 Keynote。現地 2026-05-13 09:45 頃、Agent Development Lifecycle のスライド。</figcaption>
        </figure>
        <figure class="photo-card">
          <img src="img/IMG_3849.JPG" alt="Introducing LangSmith Engine">
          <figcaption>Day 1 Keynote。現地 2026-05-13 10:21 頃、LangSmith Engine の紹介。</figcaption>
        </figure>
        <figure class="photo-card">
          <img src="img/IMG_3852.JPG" alt="Day 2 Keynote agent development lifecycle">
          <figcaption>Day 2 Keynote。現地 2026-05-14 09:46 頃、classical ML と agent development lifecycle の比較。</figcaption>
        </figure>
        <figure class="photo-card">
          <img src="img/IMG_3855.JPG" alt="The Etsy Gifting Assistant">
          <figcaption>Day 2「The Etsy Gifting Assistant」。現地 2026-05-14 10:51 頃、Etsy の consumer experience への agent 導入事例。</figcaption>
        </figure>
        <figure class="photo-card">
          <img src="img/IMG_3862.JPG" alt="Agents in the Enterprise">
          <figcaption>Day 2「Agents in the Enterprise」。現地 2026-05-14 13:34 頃、enterprise adoption をめぐる fireside chat。</figcaption>
        </figure>
      </div>
      <table>
        <thead>
          <tr><th>推定セッション</th><th>現地時刻（PDT）</th><th>写真</th></tr>
        </thead>
        <tbody>
          <tr><td>Day 1 Keynote</td><td>2026-05-13 09:45-10:21</td><td>IMG_3845-IMG_3849</td></tr>
          <tr><td>Day 2 Keynote</td><td>2026-05-14 09:46-09:49</td><td>IMG_3852-IMG_3853</td></tr>
          <tr><td>Observing and Testing CX Agents</td><td>2026-05-14 10:03</td><td>IMG_3854</td></tr>
          <tr><td>The Etsy Gifting Assistant</td><td>2026-05-14 10:51</td><td>IMG_3855</td></tr>
          <tr><td>60% Faster Time-to-Interview</td><td>2026-05-14 11:12</td><td>IMG_3856</td></tr>
          <tr><td>Future of AI Agents</td><td>2026-05-14 13:01-13:02</td><td>IMG_3857-IMG_3861</td></tr>
          <tr><td>Agents in the Enterprise</td><td>2026-05-14 13:34</td><td>IMG_3862</td></tr>
          <tr><td>Building AI for Healthcare</td><td>2026-05-14 14:05-14:21</td><td>IMG_3863-IMG_3880</td></tr>
          <tr><td>Break / hallway</td><td>2026-05-14 14:47</td><td>IMG_3881</td></tr>
          <tr><td>The Return of the Data Scientist</td><td>2026-05-14 15:52</td><td>IMG_3882</td></tr>
        </tbody>
      </table>
    </section>

    <section>
      <h2>7つの発表をスタックとして見る</h2>
      <div class="stack">
        <div class="layer"><b>Context Hub</b><span>agent が読む instructions、skills、knowledge、memory-like context を versioned bundle として管理する。</span></div>
        <div class="layer"><b>LangSmith Sandboxes</b><span>agent-generated code を安全に動かす execution environment。filesystem、network、resource usage、credential exposure を制御する。</span></div>
        <div class="layer"><b>LLM Gateway</b><span>モデル呼び出しの cost、auth、routing、PII / secrets guardrails を担う governance layer。</span></div>
        <div class="layer"><b>Deep Agents 0.6</b><span>長時間・複雑なタスクを扱う agent harness。execution environment、context management、delegation、steering を支える。</span></div>
        <div class="layer"><b>Managed Deep Agents</b><span>Deep Agents harness、Context Hub、LangSmith Sandboxes、MCP tools を production runtime として束ねる。</span></div>
        <div class="layer"><b>SmithDB</b><span>大量で深い agent traces を高速に扱う LangSmith の trace observability data layer。</span></div>
        <div class="layer"><b>LangSmith Engine</b><span>SmithDB / traces を入力に、issue detection、diagnosis、fix proposal、eval / dataset generation を回す改善 loop。</span></div>
      </div>
      <p>下から順に見ると、Context Hub、LangSmith Sandboxes、LLM Gateway が agent の context・execution・governance を支え、Deep Agents 0.6 / Managed Deep Agents が runtime を作る。SmithDB が実行結果を観測可能にし、LangSmith Engine がその観測結果から改善を自動化する。</p>
    </section>

    <section>
      <h2>リリーストピックの解説</h2>
      <div class="grid">
        <article class="card">
          <h3>1. LangSmith Engine</h3>
          <p>production traces から recurring issue を発見し、root cause、修正案、evaluator、dataset examples へつなげる改善ループ。重要なのは、問題を大量に見つけることではなく、意味があり修正可能な単位に蒸留すること。</p>
        </article>
        <article class="card">
          <h3>2. SmithDB</h3>
          <p>agent traces は深く、大きく、multi-turn / multimodal で、従来の logs / metrics と異なる。SmithDB はこの workload に特化した LangSmith のデータ基盤で、Rust、Apache DataFusion、Vortex を土台にしている。</p>
        </article>
        <article class="card">
          <h3>3. LangSmith Sandboxes</h3>
          <p>agent が生成したコードを隔離環境で実行するための基盤。1秒未満の起動、persistence、snapshot / restore、auth proxy などが紹介された。</p>
        </article>
        <article class="card">
          <h3>4. Managed Deep Agents</h3>
          <p>Deep Agents harness を production runtime として運用するための private beta。agent creation / update / invoke、horizontal scaling、checkpoint、resume、human-in-the-loop を扱う。</p>
        </article>
        <article class="card">
          <h3>5. LLM Gateway</h3>
          <p>モデル呼び出しの cost visibility、spend limits、credential management、routing を担う。将来的に frontier model、open weight model、特化モデルの使い分けが増えるほど重要になる。</p>
        </article>
        <article class="card">
          <h3>6. Context Hub</h3>
          <p>prompt だけでなく、AGENTS.md、SKILL.md、社内 knowledge を versioned context として管理する。production agent に「何を知って動くか」を安定して供給する層。</p>
        </article>
        <article class="card">
          <h3>7. Deep Agents 0.6</h3>
          <p>open models、execution environment、streaming の強化が語られた。長時間・複雑なタスクを解く harness として、subagents、filesystem、code interpreter、frontend SDK が重要になる。</p>
        </article>
      </div>
    </section>

    <section>
      <h2>セッション別の学び</h2>
      <div class="grid">
        <article class="card">
          <h3>Keynote</h3>
          <p>agent development lifecycle と新機能発表が中心。build / test / deploy / observe / improve を高速に回すためのスタックが示された。</p>
        </article>
        <article class="card">
          <h3>Building Frontier CX Agents</h3>
          <p>SmithDB の背景。agent trace は巨大で深く、検索・フィルタ・random access が必要なため、専用データ基盤が必要になる。</p>
        </article>
        <article class="card">
          <h3>Scaling GTM Agents</h3>
          <p>GTM agents の価値は email generation ではなく、market signal を読んだタイミングと文脈判断。durable execution、capacity management、online eval が鍵。</p>
        </article>
        <article class="card">
          <h3>The Production System for Agents</h3>
          <p>Toyota Production System を agent 開発へ移植。andon は observability、kaizen は継続改善、jidoka は human-in-the-loop、genchi genbutsu は trace に対応する。</p>
        </article>
        <article class="card">
          <h3>Lyft の evals</h3>
          <p>ユーザーをテストデータにせず、launch 前に simulator、mocked MCP data、synthetic user、rubric-based evaluator で品質ゲートを作る。</p>
        </article>
        <article class="card">
          <h3>Chime の compliance evals</h3>
          <p>legal / compliance を eval 作成に継続参加させる。risk を domain / category / concrete risk に分解し、dataset と judge prompt へ変換する。</p>
        </article>
        <article class="card">
          <h3>Introducing Managed Deep Agents</h3>
          <p>agent harness は model に right context at the right time を与える層。execution、context、delegation、steering が中心能力。</p>
        </article>
        <article class="card">
          <h3>How We Built It</h3>
          <p>LangSmith Engine の設計。production traces から issue / fix / eval / dataset をつなぐ self-healing loop をどう作るかが語られた。</p>
        </article>
      </div>
    </section>

    <section>
      <h2>レポート配信で語られた内容</h2>
      <p>recap 配信では、現地の熱量と Keynote 発表の解釈が中心に語られた。会場は昨年と同じ The Midway で、参加者数は体感で昨年の約1.5倍。LangChain グッズを身につけた参加者が多く、Harrison Chase が登場すると強い歓声が起きるほど community のエンゲージメントが高かった。</p>
      <p>日本から見る LangChain と、米国現地の LangChain community には温度差があるという指摘もあった。日本では hyperscaler や既存クラウドの文脈でAI基盤を見ることが多いが、現地では LangChain 自体に fandom 的な熱量があり、ambassador network も活発に機能している。</p>
      <div class="callout">
        <p><b>配信での重要な見立て:</b> agent は「開発するもの」ではなく「育てるもの」。最初の種は coding agent で素早く作れるようになってきたが、本当に大きい仕事は、リリース後に experience learning を回し、trace と eval を使って現実の業務に fit させていくことにある。</p>
      </div>
      <p>FDE については、AI agent の開発・運用ケイパビリティを自社に持つ企業と、持たない企業に分かれていくという見立てが共有された。Non-AI な企業に agent を導入する場合、ユースケース発見、workflow 設計、eval / observability / deployment の運用設計まで伴走する FDE 的役割は必要になる。一方で、LangChain がそれを大々的な採用方針にするかは、まだ決めかねているという印象だった。</p>
      <p>Deep Agents については、agent のパラダイムが2つに分かれつつあるという議論があった。1つはユーザー体験を高める copilot / chatbot 型、もう1つは長時間実行して複雑なタスクを解く Deep Agents 型である。必要な実装や評価の仕組みが異なるため、両者を分けて設計する必要がある。</p>
    </section>

    <section>
      <h2>このイベントからの示唆</h2>
      <ul>
        <li>production agent に必要なのは prompt engineering だけではなく、context、tools、sandbox、auth、gateway、trace storage、eval、feedback loop を含む operating system である。</li>
        <li>agent の品質管理は offline eval と production trace の往復になる。Lyft と Chime の事例は、その両輪の重要性を示している。</li>
        <li>enterprise adoption では FDE 的な能力が重要になる。Non-AI な企業には、platform を渡すだけでなく、導入と運用のケイパビリティ移管が必要になる。</li>
        <li>agent infrastructure の方向性は収斂している。sandbox、gateway、managed runtime、context store、memory、filesystem-like interface、observability、eval loop は各社が似た方向に進んでいる。</li>
        <li>LangSmith Engine が目指す issue detection、diagnosis、fix、eval generation の loop は、agent だけでなくソフトウェア全般の改善プロセスにも適用できる。</li>
      </ul>
    </section>

    <section>
      <h2>参考ファイル</h2>
      <ul>
        <li><a href="README.md">README.md</a></li>
        <li><a href="recap_0513/recap_0513_tldv_transcript.txt">recap_0513_tldv_transcript.txt</a></li>
        <li><a href="sessions/day1-keynote.md">day1-keynote.md</a></li>
        <li><a href="sessions/building-frontier-cx-agents.md">building-frontier-cx-agents.md</a></li>
        <li><a href="sessions/scaling-gtm-agents.md">scaling-gtm-agents.md</a></li>
        <li><a href="sessions/the-production-system-for-agents.md">the-production-system-for-agents.md</a></li>
        <li><a href="sessions/how-lyft-builds-evals-that-actually-matter.md">how-lyft-builds-evals-that-actually-matter.md</a></li>
        <li><a href="sessions/make-legal-write-your-evals.md">make-legal-write-your-evals.md</a></li>
        <li><a href="sessions/introducing-managed-deep-agents.md">introducing-managed-deep-agents.md</a></li>
        <li><a href="sessions/how-we-built-it.md">how-we-built-it.md</a></li>
        <li><a href="https://github.com/dkondo/agent-tackle-box">dkondo/agent-tackle-box</a></li>
        <li><a href="sessions/The%20Etsy%20Gifting%20Assistant_original.txt">The Etsy Gifting Assistant_original.txt</a></li>
        <li><a href="sessions/Agents%20in%20the%20Enterprise_original.txt">Agents in the Enterprise_original.txt</a></li>
        <li><a href="sessions/Building%20AI%20for%20Healthcare_original.txt">Building AI for Healthcare_original.txt</a></li>
      </ul>
    </section>
  </main>

  <footer>
    Generated from local repository materials for interrupt26-report.
  </footer>
</body>
</html>