LangChain-Fireworks 1.2.0: naprawiony max_retries
- LangChain wypuścił wersję 1.2.0 pakietu langchain-fireworks, która naprawia błąd z ignorowaniem parametru max_retries przy wywołaniach API.
- Zmiana jest dostępna na GitHub w pull requeście numer 36978 i stanowi aktualizację względem wersji 1.1.0.
- Deweloperzy budujący agentów na Fireworks AI powinni zaktualizować pakiet, żeby ich logika ponawiania zapytań faktycznie działała.
LangChain-Fireworks 1.2.0 łata błąd, który po cichu psuł agentów
Zespół LangChain opublikował wersję 1.2.0 pakietu langchain-fireworks, a najważniejsza zmiana to naprawa buga, w którym parametr max_retries był kompletnie ignorowany. Jeśli budowałeś agenta z własną logiką retry i zastanawiałeś się, czemu twój kod zachowuje się jakbyś tego parametru w ogóle nie ustawił — masz odpowiedź.
Co właściwie się psuło?
Parametr max_retries pozwala kontrolować, ile razy klient ma ponowić zapytanie do API, gdy dostanie błąd — na przykład timeout albo rate limit od Fireworks AI. Przed tą poprawką ustawienie max_retries=0 (czyli „nie ponawiaj nigdy”) albo max_retries=5 dawało identyczny efekt. Pakiet po prostu nie honorował tej wartości i leciał z domyślnym zachowaniem.
Dla większości prostych skryptów to nie był koniec świata. Ale jeśli ktoś budował agenta produkcyjnego z określonym budżetem na retry i oczekiwał deterministycznego zachowania — taki bug potrafi namieszać w logach i kosztach.
Czy to jedyna zmiana w 1.2.0?
Release notes są krótkie. Poza naprawą max_retries w logu zmian widnieje tylko sam bump wersji — żadnych nowych featuresów, żadnych dodatkowych poprawek wymienionych explicite. To typowy hotfix-style release: jeden konkretny problem, jedno konkretne rozwiązanie.
Pull request odpowiedzialny za naprawę to #36978 w głównym repozytorium langchain-ai/langchain. Zmiana jest już zmergowana i dostępna przez PyPI po odpaleniu pip install langchain-fireworks==1.2.0.
Fireworks AI jako backend dla agentów
Fireworks AI to platforma inference, która pozwala uruchamiać open-source’owe modele — Llama, Mistral, Mixtral i inne — z opóźnieniami mocno niższymi niż u większości konkurencji. Integracja z LangChain sprawia, że deweloperzy mogą bez większego wysiłku podpiąć te modele jako backend dla łańcuchów i agentów budowanych w LangChain Expression Language.
Package langchain-fireworks to jeden z wielu pakietów partnerskich w ekosystemie LangChain — obok analogicznych paczek dla Anthropica, Groq, Together AI czy Mistral. Każdy z nich żyje własnym cyklem wydań, niezależnym od głównego langchain-core.
Kiedy aktualizować, a kiedy poczekać?
Jeśli twój projekt nie ustawia max_retries explicite i działa stabilnie na 1.1.0 — możesz spokojnie poczekać na kolejny większy release. Żadna istniejąca funkcjonalność nie powinna się zepsuć po aktualizacji, ale w środowiskach produkcyjnych zawsze warto przetestować.
Jeśli jednak konfigurujesz max_retries jako część logiki obsługi błędów — aktualizacja do 1.2.0 jest niezbędna, żeby kod faktycznie robił to, co miał robić od początku.”,
“coverImageAlt”: “Ilustracja przedstawiająca kod Pythona na ekranie z logotypem LangChain i siecią neuronową w tle
