Langfuse と LangSmith の比較：LLM 可観測性プラットフォーム

チャットボットの回答が悪化したとき、まずプロンプトを確認したくなります。単発の LLM 呼び出しならそれで十分ですが、アプリケーションがツールコールを行うエージェントになると通用しません。

欠落しているその文脈を補うのが、LLM 可観測性プラットフォームです。これは従来のアプリ監視ツールとは異なります。従来型はレイテンシーやエラー率を教えてくれますが、LLM 可観測性プラットフォームは「どのツールコールが悪い結果を返したか」「プロンプト変更で出力品質が改善したか」を示します。

Langfuse と LangSmith はどちらもトレーシング、評価、プロンプト管理を網羅しており、2026 年初頭に大きなアップデートをリリースしました。ただし相互互換というわけではありません。違いは、デプロイ要件、技術スタック、そしてチームの評価運用方法に集約されます。

結論（短縮版）：Langfuse は、オープンソースのセルフホスティングやデータコントロール、LangChain 以外のスタックを必要とするチームに適しています。 LangSmith は、フレームワーク非依存で、可観測性・評価・デバッグ・本番ワークフローを統合した LLM アプリ開発基盤を求めるチームに適しています。 どちらにも当てはまらない場合は、価格で比較するのがよいでしょう。

Langfuse と LangSmith とは？

両製品とも、LLM アプリケーションを観測・テスト・デバッグ可能にすることを目的としています。各製品の概要は次のとおりです。

Langfuse と LangSmith のプラットフォーム位置づけ概要。画像：筆者作成。

Langfuse とは？

Langfuse は 2023 年に登場したオープンソースの LLM エンジニアリングプラットフォームです。トレーシング、プロンプト管理、評価（LLM 判定、人手アノテーション、コードベース検査）、データセット実験、コストとレイテンシーの監視をカバーします。中核のオープンソース製品は MIT ライセンスです。

2026 年 1 月、ClickHouse が 4 億ドルのシリーズ D を発表し、Langfuse を買収しました。Langfuse は、すでに Langfuse のバックエンドを支えていた列指向データベース ClickHouse の一部となりました。当時、MIT ライセンスとオープンソースの方針は変更なしと確認されています。

Langfuse は、米国・EU・日本リージョンのマネージドクラウド、またはソフトウェアライセンス費用不要のセルフホスト型オープンソースとして利用できます。

LangSmith とは？

LangSmith は、 LangChain、 LangGraph、Deep Agents を手掛ける LangChain Inc. による、フレームワーク非依存の可観測性・評価プラットフォームです。プラットフォームはプロプライエタリ（クローズドソース）。LangChain は 2025 年 10 月に 12.5 億ドル評価で 1 億 2,500 万ドルを調達しています。

主な機能は、アプリケーション実行全体のトレーシング、ビジュアルデバッグ、自動評価、本番監視、Prompt Hub と Playground によるプロンプト管理です。2026 年 5 月、LangChain は Rust 製のデータレイヤー SmithDB を発表し、現在は米国クラウドの取り込みの 100% を処理しています。 SmithDB は LLM アプリが生成する特有のデータペイロードに最適化され、トレースツリーの P50 ロードは 92 ミリ秒、全文検索は 400 ミリ秒まで短縮されます。

LangSmith はマネージドクラウド、顧客の VPC にデータを置く BYOC（Bring Your Own Cloud）、セルフホストのエンタープライズ導入で提供されます。LangChain は、セルフホストの LangSmith で BYOK（Bring Your Own Key）に対応し、プラットフォーム内のエージェント「Engine」が LLM アプリのエラーを検出・修正できるようにすると発表しています。

オープンソース vs. マネージド SaaS

両プラットフォームの核心的な違いは「オープンソースか否か」ではありません。本質は、一方に「コントロールと可搬性」、他方に「マネージドなワークフロー」があることです。Langfuse はライセンス費用なしで自社インフラ上にスタックを構築できます。 LangSmith はマネージドクラウド、BYOC、セルフホストを提供し、LangChain、LangGraph、Deep Agents を深くネイティブサポートしつつ、それらの利用を必須とはしていません。

比較観点を変えるアップデートが 1 つあります。LangSmith は langsmith[otel] パッケージと LANGSMITH_OTEL_ENABLED=true 環境変数により、OpenTelemetry トレーシングをサポートしました。これは、非 LangChain アプリで LangSmith を使う方法のひとつです。

両プラットフォームの構造上の立ち位置は以下のとおりです。

この記事の残りでは、これらの違いが実運用で何を意味するかを解きほぐしていきます。

トレーシングと可観測性

トレーシングは、両製品の差が出始める領域です。どちらも LLM コール、ツールコール、関連メタデータを取得しますが、単純なプロンプト応答型よりも、エージェントワークフローの方が違いが早く表れます。

リクエストトレーシング

Langfuse は、LLM コール、ツール呼び出し、埋め込み、検索ステップを捉える階層的なトレースを構築します。ユーザー、セッション、コスト、レイテンシー、カスタムメタデータでフィルタできます。2026 年 5 月には ClickHouse のネイティブ FTS エンジンに支えられた全文検索を追加し、従来 20 秒近くかかっていた検索を 0.5 秒未満に短縮しました。

LangSmith は、すべての LLM コールとツール使用を検査可能な実行ツリーとして取得します。米国クラウドの取り込みを SmithDB がすべて処理するようになり、トレースツリーの P50 ロードは 92 ミリ秒です。さらに、教師なしのトピッククラスタリングを備え、トレースをテーマ別に自動グループ化し、問題の当たりをつける出発点を提供します。

エージェントワークフローの可視性

Langfuse は 2025 年 11 月に Agent Graphs を追加し、観測の時系列とネストからグラフ構造を推定してマルチステップエージェントの実行フローを可視化します。計測済みのあらゆるフレームワークで機能し、LangGraph のネイティブサポートも含みます。同時に Trace Log View も追加され、ループや分岐が多いワークフロー向けにエージェントのステップをフラットなストリームで表示できます。

LangGraph 実行のための Langfuse エージェントグラフ。画像：筆者作成。

LangSmith の LangGraph トレーシングは、環境変数を設定する以外の構成不要で、実行内のすべてのノード、エッジ、状態遷移を取得します。LangSmith Studio では、エージェント実行をステップ実行し、各ノードで状態を検査し、別のモデルやプロンプトでトレースを再実行できます。LangGraph アプリケーションでは、汎用トレースツリーよりも多くの文脈が得られます。2026 年 9 月、LangSmith は Trajectories をリリースし、トレースのデバッグや専門家とのフィードバックループへの組み込みを容易にしました。

エージェントワークフローの LangSmith トレースツリー。画像：筆者作成。

本番監視

本番監視では、両プラットフォームともレイテンシー、トークン使用量、コスト、エラー率を追跡します。LangSmith は PagerDuty や Webhook によるインシデントアラートに対応し、トレースや評価と結びついた監視ワークフローを備えます。Langfuse は、しきい値を設定できる支出アラートを提供します。このレベルでは、監視機能は概ね同等です。

オフライン／オンライン評価

トレーシングは「何が起きたか」を示します。評価は「それが良かったか」を示します。実務上、評価がワークフローに組み込まれているときに、これらのツールは真価を発揮します。事前チェックリストにとどめるべきではありません。

LLM 判定とコード評価器

Langfuse の LLM 判定は 2025 年 6 月に MIT の完全オープンソースになりました。v3.65.0 以降のセルフホスト利用者は商用ライセンスなしで利用できます。2026 年 5 月には Code Evaluators を提供開始。Langfuse の UI 上で Python または TypeScript の evaluate 関数を直接記述でき、JSON スキーマ検証、正規表現検証、ツール引数の検証などの決定的チェックを、トークン費用や判定モデル呼び出しなしで実行できます。

LangSmith は、ブール、カテゴリカル、連続値のフィードバックタイプを備えた構成可能な LLM 判定評価器を提供し、セキュリティ／セーフティ／品質のテンプレートを内蔵しています。さらに、人手で評価器出力を修正した例を少数ショットとして取り込み、時間の経過とともに評価器のキャリブレーションを改善する few-shot 補正にも対応します。

データセット、実験、人手アノテーション

オフライン評価は、両プラットフォームでデータセットとサイドバイサイドの実験比較により実施できます。Langfuse は 2025 年 11 月に Score Analytics を追加し、評価器の整合性を適合率、再現率、F1、コスト、精度で測定できるようにしました。同 11 月の Baseline 比較では、特定の実行を基準としてフラグ付けし、それに対するリグレッションを可視化できます。

Langfuse の GitHub Actions 連携（2026 年 5 月、langfuse/experiment-action として提供）は、実験スコアがしきい値を下回るとワークフローを失敗させます。これにより、評価はリリース後のレビューではなく、デプロイのゲートとなります。

GitHub Actions と連携した Langfuse の評価ループ。画像：筆者作成。

LangSmith の評価設定には、早めに把握しておくべき請求上の挙動があります。評価器がトレースにフィードバックを追加すると、そのトレースが拡張リテンションに格上げされる場合があります。この点は価格の章で述べるとおり、評価ワークフローのコストに影響します。

プロンプトのバージョニング、デプロイ、A/B テスト

ここでのプロンプト管理は、単なる履歴管理にとどまりません。サンドボックスで反復し、データセットでテストし、本番に昇格させ、問題発生時はきれいにロールバックする、という流れです。

Langfuse は各プロンプトにバージョン ID を付与し、 production や staging といったラベルで稼働中のバージョンを制御します。UI でラベルを切り替えるのがデプロイやロールバックの手段です。プロンプトは SDK によりクライアント側でキャッシュされるため、SDK が有効バージョンを取得しても本番呼び出しにレイテンシーは加わりません。保護ラベルにより、管理者は production ラベルの変更権限をロールで制限でき、権限レベルが異なるコントリビューターが混在する場合に有用です。

LangSmith は Prompt / Context Hub を通じてプロンプトを管理し、厳密なバージョン固定のためにコミットハッシュ方式のバージョニングを提供します。Prompt Hub には、Langfuse にはないコミュニティライブラリがあります。データセットによる A/B テストは両プラットフォームで利用可能です。

このカテゴリでは、ホスティング、価格、フレームワーク設定ほどの差はありません。

エージェントアプリにおける Langfuse と LangSmith

過去 1 年間、両プラットフォームともエージェント起点で多くの機能拡張が行われました。ここでは、エージェントの構築先が重要になります。

Langfuse は、利用可能なツールを提示し、呼び出されたツールをハイライトし、引数やコール ID を表示します。拡張された観測タイプにより、トレースビューでツールコール、埋め込み、ガードレールコールを区別できます。前述のとおり、Code Evaluators はスキーマに対するツール引数の検証も可能です。MCP サーバーは 2026 年 5 月に 15 種類のツールカテゴリをカバーするよう拡張され、Claude Code、Cursor、OpenAI Codex のエージェントが Langfuse のデータをプログラムからクエリできるようになりました。

トレーシングの章で触れた LangGraph のポイントがここでも効いてきます。LangSmith のエージェントサポートは、各ノードでの状態検査、代替モデルによるトレースの再実行、LangSmith Studio によるビジュアルなステップ実行デバッグを含みます。数百のサブエージェントを抱える本番システムを運用する Monte Carlo のエンジニアリングチームは、このゼロ設定の LangGraph 統合を選定理由のひとつに挙げています。

CrewAI、Pydantic AI、その他のマルチエージェントフレームワーク で構築されたエージェントについては、Langfuse の方がネイティブ計測が広く、手作業の計装が少なくて済むケースが多いです。

フレームワーク／SDK 連携

Langfuse は、モデルプロバイダー、フレームワーク、ゲートウェイ、ノーコードツール、アナリティクス、開発者ツールにわたって幅広く連携します。フレームワークは LangChain、LangGraph、OpenAI Agents SDK、Pydantic AI、CrewAI、AutoGen、DSPy、Haystack、LlamaIndex などです。プラットフォームは SDK レベルで OpenTelemetry にネイティブ対応しています。

LangSmith のネイティブ SDK は Python、TypeScript、Go、Java をカバーします。LangChain、LangGraph、Deep Agents に加え、OpenAI SDK、Anthropic SDK、Vercel AI SDK、LlamaIndex、カスタム実装、OpenTelemetry と連携します。つまり、LangSmith は LangChain 専用のトレーシングツールではありません。

実務上のポイントは、フレームワークがサポートされるかどうかだけではありません（主要フレームワークの多くは両プラットフォームで動きます）。どれだけの計装コードを自分で書く必要があるか、です。

Langfuse オープンソース vs. LangSmith エンタープライズ

セルフホスティングは、多くの機能カテゴリ以上に運用とコンプライアンスの絵姿を変えます。

Langfuse のセルフホストは MIT で無償です。開発や評価には Docker Compose、本番導入は GKE/EKS/AKS 上の Helm を用いた Kubernetes が一般的です。スタックは ClickHouse、PostgreSQL、Redis、S3 互換ストレージで構成され、推奨最低 VM は 4 コア／16 GiB RAM。ソフトウェアライセンス費用は不要ですが、インフラと運用は自社で担います。有償のセルフホスト Enterprise Edition では、専任サポート、監査ログ、SCIM、SLA を追加提供します。

コンプライアンスでは、Langfuse Cloud は SOC 2 Type II、ISO 27001、GDPR、HIPAA を取得。LangSmith Cloud は SOC 2 Type II、GDPR、HIPAA を取得しています。LangSmith は ISO 27001 が記載されていません。調達でこの要件がある場合は、明確な差になります。

LangSmith のセルフホストにはエンタープライズ契約が必要で、オープンソースによる無償セルフホストの道はありません。3 つの導入モデル（クラウド、BYOC、セルフホスト）はいずれもエンタープライズの枠組みに含まれます。SmithDB はすべてのホスティング方法で利用可能です。

Langfuse と LangSmith の価格

見出しの価格だけでは全体像は分かりません。

この分野は価格改定も頻繁です。以下の数字は 2026 年 6 月時点で公式ページを確認した内容ですが、予算化の前に最新の価格ページを必ず参照してください。

Langfuse の料金

Langfuse Cloud はユニット課金で、1 ユニットは 1 トレース、1 オブザベーション、または 1 スコアに相当します。式は Units = Traces + Observations + Scores であり、ツールを多用するエージェント実行は、単純なプロンプト応答のトレースより高くつく可能性があります。無料の Hobby プランは月 50,000 ユニット、30 日リテンション、ユーザー 2 名。Core は月額 $29 で 100,000 ユニット、無制限ユーザー、90 日リテンション。Pro は月額 $199 で 3 年のデータアクセスと認証対応。Enterprise は月額 $2,499 からでボリュームは個別見積り。超過は 100,000 追加ユニットあたり $8 からです。

前述のとおり、セルフホスト版 Langfuse はソフトウェアライセンス費用がかかりません。SCIM、監査ログ、エンタープライズサポートは商用ライセンスが必要です。

LangSmith の料金

LangSmith は席数課金とトレース課金の併用です。Developer プランは無料で月 5,000 トレース、1 席、14 日リテンション。Plus は 1 席あたり月 $39 で、10,000 のベーストレースが含まれます。ベーストレースは 14 日リテンション、拡張トレースは 400 日保持で追加費用が発生します。5 人チームの Plus はトレース超過前で席料 $195/月。Enterprise は個別見積りです。

データ保持の仕組み

前述のとおり、評価器がトレースにフィードバックを追加すると自動的に拡張リテンションが有効になります。評価パイプラインを構築する前に、LangSmith の自動拡張リテンションに関する課金ドキュメントを確認してください。

トレースの深さ、評価器の使用、リテンションの小さな違いが月額費用に影響するため、これらの詳細は重要です。

Langfuse と LangSmith の比較表

前述のとおり、主な違いは所有形態、フレームワーク適合、評価ワークフロー、価格です。以下の表は、最終的な意思決定セクションの前にポイントを整理したものです。

LLM 可観測性プラットフォーム選定での誤り

まず強調したいのは、トレーシングだけに注目しないことです。トレーシングは「何が起きたか」を示すだけで、出力の良し悪しは評価が教えてくれます。トレースの見栄えだけで選ぶのは、基準を誤っています。

次に、料金の仕組みに注意してください。上述のとおり、Langfuse はトレースの深さでコストが増え、LangSmith は拡張リテンションが自動評価の費用に影響し得ます。本番投入前に必ず試算しましょう。

三点目に、セルフホスティングの意味は両製品で同じではありません。セルフホスティングの章を参照してください。データ主権が厳密な要件なら、この違いが決定打になり得ます。

最後に、フレームワーク互換性だけで決めないこと。両プラットフォームは複数のアプリスタックをサポートし、スタックは変わり得ます。デプロイ要件や評価ワークフローの方が後から置き換えにくいのです。

Langfuse を選ぶべきとき

上記のトレードオフに基づくと、Langfuse が適するのは次のような場合です。

• CrewAI、Pydantic AI、LlamaIndex、または OpenAI/Anthropic への直接 API コールなど、フレームワークのネイティブ連携を重視する。
• データ主権が譲れず、LLM の入力・出力・トレースを自社インフラ内に保持する必要がある。
• GitHub Actions による自動リグレッションゲートを備えた CI/CD 連携の評価を求める。
• 有料クラウドプランでユーザー無制限のため、拡大するチームでもコスト予測性を確保したい。

LangSmith を選ぶべきとき

同じトレードオフに基づくと、LangSmith が適するのは次のような場合です。

• LLM アプリ横断での可観測性・評価・デバッグ・本番監視に対応し、特に LangChain 系フレームワークを強力に支える、モデル／フレームワーク非依存のプラットフォームを求める。
• エージェント改善ループ全体を支援するマネージドプラットフォームを望む。
• 好みのインフラにデプロイ可能で、トレースデータ向けに高性能なデータベースを求める。
• 可観測性を超えて、評価、本番監視、エージェントサーバー、LLM ゲートウェイなど LangSmith の広範な機能を必要とする。
• トレース、データセット、実験、オンライン評価、人手フィードバック、本番監視が 1 つのワークフローでつながっていることを重視する。

結論

Langfuse と LangSmith はいずれも実在の課題を解決しており、この 1 年で大きく進化しました。現時点では、トレードオフは明確です。

決め手は機能数の多寡ではありません。前述の「所有形態とエコシステム」のトレードオフです。 データスタックを直接コントロールできるオープンソースの道を要するのか、それとも可観測性・評価・本番ワークフローが統合されたマネージドプラットフォームを望むのか。

最後にひとつ注意点を。両プラットフォームは頻繁に変わります。コミット前に必ず変更履歴を確認してください。

LangChain エコシステムの関連背景は、LangChain vs. LangGraph vs. LangSmith vs. LangFlow のチュートリアルを参照してください。