Langfuse vs LangSmith vs Helicone — LLM観測・デバッグツール比較【2026年版】

LLMアプリを本番運用していると、こんな問題に直面します：

• 「なぜこのプロンプトで変な回答が出たのか？」
• 「レイテンシが急に悪化した原因は？」
• 「APIコストがどのプロンプトに集中しているか？」

これらを解決するのが**LLM Observability（LLM可観測性）**ツールです。2026年現在、代表的な3ツールを徹底比較します。

---

LLM Observabilityとは

従来のAPMツール（DatadogやNew Relic）はLLMの特性に対応していません。LLMアプリには以下の特有の課題があります：

• プロンプトのバージョン管理：どのプロンプトが最も効果的か
• トレース：マルチステップのエージェント処理を追跡
• コスト分析：モデル・エンドポイントごとのトークン消費
• 評価（Eval）：出力品質の定量的な測定

LLM Observabilityツールはこれらを専門的に扱います。

---

3ツール一覧

ツール	特徴	ライセンス	ホスティング
Langfuse	OSSファースト、フル機能	MIT	Self-host / Cloud
LangSmith	LangChain公式、統合完璧	Proprietary	Cloud（要登録）
Helicone	軽量、プロキシ方式	Apache 2.0	Self-host / Cloud

---

Langfuse

最も人気の高いOSS LLM Observabilityツール。セルフホスト可能でプライバシー重視のチームに最適。

特徴

• 完全OSSでセルフホスト可能（Docker対応）
• トレース、プロンプト管理、評価（Eval）、コスト追跡
• Python / TypeScript SDK + LangChain / LlamaIndex統合
• Promptflowとの連携

コード例

from langfuse import Langfuse
from langfuse.decorators import observe

langfuse = Langfuse()

@observe()
def generate_response(user_query: str) -> str:
    # この関数の実行が自動的にトレースされる
    response = openai.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": user_query}]
    )
    return response.choices[0].message.content

result = generate_response("AIエージェントとは何ですか？")

料金

• セルフホスト：完全無料
• Cloud Hobby：無料（5万イベント/月）
• Cloud Pro：$59/月〜

向いているケース

• セルフホストでデータをコントロールしたい
• LangChain以外のフレームワークも使用
• Eval機能を重視

---

LangSmith

LangChainが提供する公式の観測プラットフォーム。LangChainとの統合が最もシームレス。

特徴

• LangChainとのゼロ設定統合
• 詳細なチェーン実行の可視化
• ヒューマンフィードバック収集
• データセット管理と評価パイプライン

コード例

import os
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = "your-api-key"

# これだけでLangChainの全処理が自動トレースされる
from langchain_openai import ChatOpenAI
from langchain.chains import LLMChain

llm = ChatOpenAI(model="gpt-4o")
chain = LLMChain(llm=llm, prompt=prompt)
result = chain.invoke({"query": "AIエージェントとは？"})
# → LangSmithに自動的にトレースが記録される

料金

• Developer：無料（5,000トレース/月）
• Plus：$39/月
• Enterprise：要問い合わせ

向いているケース

• LangChain / LangGraphを主に使用
• 最小限の設定でトレースを始めたい
• チームでのコラボレーション重視

向いていないケース

• セルフホストが必要（現時点でCloudのみ）
• LangChain以外のフレームワーク中心

---

Helicone

「プロキシ方式」という独自アプローチ。OpenAI APIのURLを変えるだけでトレースが始まる。

特徴

• 設定不要：BaseURLを変えるだけ
• リアルタイムコストモニタリング
• キャッシュ機能（コスト削減）
• レート制限とアクセス管理

コード例

from openai import OpenAI

# これだけ！URLを変えるだけでトレース開始
client = OpenAI(
    api_key="your-openai-key",
    base_url="https://oai.helicone.ai/v1",
    default_headers={
        "Helicone-Auth": f"Bearer {HELICONE_API_KEY}",
    }
)

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "AIエージェントとは？"}]
)

料金

• Free：最初の10万リクエスト無料
• Growth：$20/月〜
• Enterprise：要問い合わせ

向いているケース

• 素早くモニタリングを始めたい
• コストとレート制限の管理が主目的
• キャッシュでAPIコストを削減したい

向いていないケース

• 詳細なプロンプト管理やEvalが必要
• エージェントの複雑なトレースを分析

---

3ツール比較まとめ

観点	Langfuse	LangSmith	Helicone
セルフホスト	✅	❌	✅
LangChain統合	✅	✅ ネイティブ	△
設定の簡単さ	○	○	✅ URL変更のみ
Eval機能	✅ 充実	✅ 充実	△ 基本のみ
プロンプト管理	✅	✅	△
コスト追跡	✅	✅	✅ リアルタイム
キャッシュ	❌	❌	✅
無料枠	5万/月	5,000/月	10万req
OSS	✅ MIT	❌	△ Apache

---

どれを選ぶべきか

セルフホスト必須 or フル機能のOSS
  → Langfuse

LangChain/LangGraph中心のプロジェクト
  → LangSmith

素早くモニタリング開始 or コスト削減重視
  → Helicone

---

まとめ

LLM Observabilityは「あると便利」から「本番運用の必須インフラ」になりました。

• Langfuse：OSS・セルフホスト派の定番
• LangSmith：LangChainユーザーの最短経路
• Helicone：とにかく速く始めたい人向け

3ツールとも無料枠があるので、まず試してみることをおすすめします。

---

関連リンク

• AgDex.ai — LLM可観測性ツールを含む210+のAIエージェントツールを掲載
• Langfuse GitHub
• LangSmith Docs
• Helicone GitHub