LangChain hat gerade LangSmith Fleet vorgestellt — ein Rebranding und eine Erweiterung ihres Agent Builder-Produkts — und es verdient Aufmerksamkeit. Mit über einer Milliarde kumulierter Downloads und mehr als 300 Unternehmenskunden ist LangChain eines der einflussreichsten Ökosysteme im Bereich AI-Tooling. Fleet bringt gestufte Berechtigungen, Credential-Management, zentrale Überwachung, NVIDIA NeMo Guardrails-Integration und tiefgreifendes Tracing in den LangGraph-Agent-Lebenszyklus. Es ist ein ernstzunehmendes Produkt für ein reales Problem.
Dieses Problem ist die Governance dessen, was Ihre Ingenieure bauen.
Wir glauben, dass es ein ebenso dringendes anderes Problem gibt: die Governance dessen, was Ihre Abteilungen betreiben.
Was Fleet gut macht
Fleet bietet Platform-Engineering-Teams eine Steuerungsebene für LangGraph-Agenten. Sie können gestufte Berechtigungen über Assistants- und Claws-Agententypen zuweisen, Credentials zentral verwalten, das Agentenverhalten über LangSmiths Tracing-Infrastruktur überwachen und Guardrails über die NeMo-Integration durchsetzen. Wenn Ihr Team Agenten in LangGraph baut und diese in großem Maßstab verwalten muss, ist Fleet genau dafür konzipiert.
Die Preisgestaltung spiegelt die Entwickler-Zielgruppe wider: ein kostenloses Developer-Tier mit 5.000 Traces pro Monat, ein Plus-Tier für 39 Dollar pro Platz und Monat mit 100.000 Traces und eine individuelle Enterprise-Preisgestaltung für größere Deployments. Dies ist ein Modell, das für Engineering-Teams konzipiert ist, die den Wert in Traces, Runs und Deployment-Einheiten messen.
Die Lücke bei der Käuferpersona
Hier gehen die Wege auseinander. Fleets Käufer ist ein Platform-Engineer oder ML-Engineer, der die Agenten-Infrastruktur verwaltet. Sie interessieren sich für Traces, Deployment-Pipelines, Agent-Versionierung und Runtime-Guardrails. Sie sind hochgradig technisch, und Fleet holt sie dort ab, wo sie sind.
Aber es gibt einen anderen Käufer in derselben Organisation, der völlig andere Anforderungen hat. Das ist der Abteilungsleiter, der Operations-Manager, der Marketing-Direktor oder der Compliance-Beauftragte. Sie denken nicht in Traces und Agententypen. Sie denken in Workflows, Genehmigungen, Audit-Trails und Abteilungsrichtlinien. Sie wollen wissen: Kann mein Team KI sicher nutzen? Hält sie sich an unsere Regeln? Kann ich sehen, was sie getan hat?
Diese beiden Käufer koexistieren in jeder Organisation, die KI ernst nimmt. Das Platform-Team baut und verwaltet Agenten. Die Abteilungsteams nutzen KI-Fähigkeiten und benötigen Governance rund um deren täglichen Einsatz.
Fleet regelt, was Ihre Ingenieure bauen. JieGou regelt, was Ihre Abteilungen betreiben.
Wie Governance auf Abteilungsebene aussieht
Abteilungsteams benötigen eine andere Art von Governance. Sie brauchen rollenbasierte Zugriffskontrolle, die der Organisationsstruktur entspricht — nicht nur Agenten-Berechtigungen, sondern wer Workflows erstellen kann, wer Outputs genehmigen kann und wer welche Daten sehen darf. Sie brauchen Audit-Trails, die mit Compliance-Anforderungen verknüpft sind, nicht nur Debugging-Traces. Sie brauchen Templates, die Best Practices für ihre spezifische Funktion kodieren, keine leeren Leinwände, die Engineering-Unterstützung zur Konfiguration erfordern.
JieGou wurde für diese Ebene gebaut. Zwanzig Abteilungspakete decken Funktionen von Marketing und Vertrieb bis hin zu Recht, Finanzen, HR und Operations ab. Über 430 Templates — Rezepte und Workflows — geben Teams einen Ausgangspunkt, der bereits Governance-Standards einbettet: Genehmigungstore, Output-Review-Schritte, Datenverarbeitungsrichtlinien und Eskalationspfade. Zehn Governance-Ebenen reichen von individuellen Prompt-Kontrollen bis hin zu organisationsweiten Richtlinien.
Die Modellebene ist bewusst offen gehalten. JieGou arbeitet mit Anthropic-, OpenAI- und Google-Modellen über eine einheitliche Schnittstelle, mit BYOK-Unterstützung, damit Organisationen ihre eigenen API-Schlüssel mit AES-256-GCM-Verschlüsselung verwenden können. Abteilungsteams sollten nicht an einen einzelnen LLM-Anbieter gebunden sein, ebenso wenig wie an ein einzelnes Agenten-Framework.
Verschiedene Ebenen, dieselbe Organisation
Der wichtige Punkt ist: Fleet und JieGou sind keine Wettbewerber, die um denselben Käufer kämpfen. Sie bedienen verschiedene Ebenen derselben Organisation.
Ihr Platform-Team könnte LangGraph verwenden, um einen ausgefeilten Kundensupport-Agenten zu bauen. Sie nutzen Fleet, um die Berechtigungen dieses Agenten zu verwalten, seine Traces zu überwachen und Runtime-Guardrails durchzusetzen. Dieser Agent wird zu einer von vielen Fähigkeiten, die die Kundensupport-Abteilung nutzt.
Der Leiter der Support-Abteilung nutzt JieGou, um Workflows zu orchestrieren, die diesen Agenten zusammen mit E-Mail-Templates, Genehmigungstoren, Eskalationsregeln und Compliance-Checks umfassen. Er verwaltet, wer in seinem Team welche Workflows auslösen kann, überprüft den Audit-Trail für regulatorische Zwecke und passt Abteilungsrichtlinien an, ohne ein Engineering-Ticket einzureichen.
Das ist kein theoretisches Szenario. Es ist die Art und Weise, wie reife Organisationen bereits Platform-Belange von operativen Belangen trennen. Das Infrastruktur-Team verwaltet Kubernetes; die Geschäftsteams nutzen die darauf laufenden Anwendungen. Das Data-Engineering-Team verwaltet das Data Warehouse; die Analysten nutzen die darauf aufbauenden Dashboards. KI-Governance wird demselben Muster folgen.
Unsere Sicht auf die Zukunft
Die Tatsache, dass LangChain stark in Governance investiert, bestätigt etwas, woran wir vom ersten Tag an geglaubt haben: KI-Governance ist nicht optional, und es ist kein Ein-Ebenen-Problem. Governance auf Entwicklerebene und Governance auf Abteilungsebene sind beide notwendig. Organisationen, die nur eine lösen, werden irgendwann an die Grenzen der anderen stoßen.
Fleet stärkt die Entwicklerebene. JieGou stärkt die Abteilungsebene. Für Organisationen, die beides einsetzen, ergibt sich eine Governance, die tatsächlich den gesamten Stack abdeckt — vom Modellaufruf bis zum Abschluss des Geschäftsprozesses.
Wenn Sie Governance-Tools evaluieren, ist die Frage nicht, welches Sie wählen sollen. Es ist, welche Ebenen Sie abdecken müssen. Wenn Ihre Ingenieure LangGraph-Agenten bauen und Deployment-Governance benötigen, ist Fleet einen ernsthaften Blick wert. Wenn Ihre Abteilungsteams KI-Workflows betreiben und operative Governance benötigen, ist das genau das Problem, das JieGou löst.
Beide Probleme sind real. Beide verdienen echte Lösungen.
JieGou bietet ein kostenloses Tier mit 20 Abteilungspaketen und über 430 Templates. Hier starten oder eine Führung buchen, um zu sehen, wie Governance auf Abteilungsebene in der Praxis funktioniert.