The post has been translated automatically. Original language: Russian
At the end of September 2026, the LangChain team released several packages: basic langchain 1.4.3 (September 28), langchain core-core 1.6.6, and langchain-anthropic integration 1.7.5 (September 29). The releases are small, but they consist of edits to what breaks down in production: a dialogue story that cannot be correctly repeated, cache settings leaking to someone else's provider, and the wrong way to get a structured response.
The agent adds results for dangling tool calls
The main edit in langchain 1.4.3 concerns the create_agent function. Previously, an agent could save an incorrect tool call in the history, for which there is no paired message with the result. The dialog remained in an inconsistent state: when resending the history, the provider waits for a response to each call to the tool, but receives an interruption.
Now, for each recognized incorrect call, the agent records an error message from the tool itself, including calls from earlier parts of the history. The matching is based on the call ID, so the correct results are not duplicated. The agent does not ask the model to try again, but simply normalizes the history: there are no unnecessary API requests. The fee is named explicitly: in the agent initialization measurements, a regression of about seventeen percent was recorded, from 4.5 to 5.4 milliseconds.
The backup model no longer receives other people's cache settings.
The second edit in 1.4.3 is the settings when switching to the backup model. If the query explicitly set the parameters for caching hints, when they were rolled back, they could reach a model that did not understand them, and the rollback itself ended with an error — the insurance failed exactly at the moment when it was needed.
The rollback intermediate layer now cleans the settings before sending: the session binding header is removed if the backup provider is not Fireworks, and the hint cache key remains only for Fireworks, OpenAI, and Azure OpenAI. The settings supported by the target model are saved, and the original query is not changed.
Choosing a structured response method
Another edit concerns the models of the GPT-6 family — the Sol, Luna and Astra variants. Without the described model profile, the agent believed that a structured response needed to be received through a tool call, and this led to either looping or a 400-code response when working through Bedrock. The identifiers of these models have been added to the backup recognition list. Now the provider's native output method is used, and both short names and variants with the Bedrock prefix are taken into account.
In langchain-core 1.6.6 and integration with Anthropic, compatibility with Claude Sonnet 5.5 has been improved: unsupported combinations of forced tool selection and reasoning mode are rejected, and instead a standard backup path or explicit method indication via a JSON schema is proposed. The provider's data is saved when streaming and replaying the history, but the behavior does not change for older Claude models.
What does this mean in practice?
If you have an agent with long conversations and an external history repository, it's worth planning an update: editing create_agent changes the history itself — it contains tool messages with errors that did not exist before. The code that parses the story according to its own rules or builds reports on it will begin to see new entries, so it's better to run parsers and metrics on a test sample of dialogues before updating the combat circuit.
The second point is hint caching: see what is included in the request settings and whether the backup provider needs this key. If the scheme has a rollback to the model of another supplier, run this path forcibly, rather than hoping that it will work at the first failure of the main one.
The third is an increase in the agent creation time by about a millisecond: when building once at the start, it is unnoticeable, when building for each request, it is a reason to take it out of the hot path.
The draft text was prepared with the participation of AI, the facts were checked against the original source — the official pages of LangChain releases on GitHub and descriptions of the changes adopted in them.
В конце сентября 2026 года команда LangChain выпустила несколько пакетов: основной langchain 1.4.3 (28 сентября), ядро langchain-core 1.6.6 и интеграцию langchain-anthropic 1.7.5 (29 сентября). Релизы небольшие, но состоят из правок того, что ломается в продакшене: история диалога, которую нельзя корректно повторить, настройки кеша, утекающие к чужому провайдеру, и неверно выбранный способ получить структурированный ответ.
Агент дописывает результаты для оборванных вызовов инструментов
Главная правка в langchain 1.4.3 касается функции create_agent. Раньше агент мог сохранить в истории некорректный вызов инструмента, для которого нет парного сообщения с результатом. Диалог оставался в несогласованном состоянии: провайдер при повторной отправке истории ожидает ответ на каждый вызов инструмента, а получает обрыв.
Теперь для каждого распознанного некорректного вызова агент сам записывает сообщение инструмента с признаком ошибки, включая вызовы из более ранних частей истории. Сопоставление идёт по идентификатору вызова, поэтому корректные результаты не дублируются. Агент при этом не просит модель повторить попытку, а просто нормализует историю: лишних обращений к API не появляется. Плата названа прямо: в замерах инициализации агента зафиксирована регрессия около семнадцати процентов, с 4,5 до 5,4 миллисекунды.
Резервная модель больше не получает чужие настройки кеша
Вторая правка в 1.4.3 — настройки при переключении на резервную модель. Если в запросе явно заданы параметры кеширования подсказок, при откате они могли дойти до модели, которая их не понимает, и сам откат завершался ошибкой — страховка подводила ровно в тот момент, когда нужна.
Промежуточный слой отката теперь чистит настройки перед отправкой: заголовок привязки к сессии снимается, если резервный провайдер не Fireworks, а ключ кеша подсказок остаётся только для Fireworks, OpenAI и Azure OpenAI. Поддерживаемые целевой моделью настройки сохраняются, исходный запрос не изменяется.
Выбор способа структурированного ответа
Ещё одна правка касается моделей семейства GPT-6 — вариантов Sol, Luna и Astra. Без описанного профиля модели агент считал, что структурированный ответ нужно получать через вызов инструмента, и это приводило либо к зацикливанию, либо к ответу с кодом 400 при работе через Bedrock. Идентификаторы этих моделей добавили в резервный список распознавания — теперь используется нативный для провайдера способ вывода, причём учтены и короткие имена, и варианты с префиксом Bedrock.
В langchain-core 1.6.6 и интеграции с Anthropic доработана совместимость с Claude Sonnet 5.5: неподдерживаемые комбинации принудительного выбора инструмента и режима рассуждений отклоняются, вместо них предлагается штатный резервный путь или явное указание метода через схему JSON. Данные провайдера сохраняются при потоковой выдаче и повторном проигрывании истории, а для более старых моделей Claude поведение не меняется.
Что это значит на практике
Если у вас агент с длинными диалогами и внешним хранилищем истории, обновление стоит запланировать: правка create_agent меняет саму историю — в ней появляются сообщения инструментов с ошибкой, которых раньше не было. Код, который разбирает историю по своим правилам или строит по ней отчёты, начнёт видеть новые записи, так что парсеры и метрики лучше прогнать на тестовой выборке диалогов до обновления боевого контура.
Второй пункт — кеширование подсказок: посмотрите, что кладётся в настройки запроса и нужен ли этот ключ резервному провайдеру. Если в схеме есть откат на модель другого поставщика, прогоните этот путь принудительно, а не надейтесь, что он заработает при первом сбое основного.
Третье — рост времени создания агента примерно на миллисекунду: при сборке один раз на старте это незаметно, при сборке на каждый запрос — повод вынести её из горячего пути.
Черновик текста подготовлен с участием ИИ, факты сверены с первоисточником — официальные страницы релизов LangChain на GitHub и описания принятых в них изменений.
Share
