Anthropic Claude API Telemetry: del límite a la fila verificada
Utilice Anthropic Claude API Telemetry en un límite de aplicación controlado, mantenga el contrato de evento pequeño y verifique un resultado conocido antes de crear vistas agregadas.
- 1
Elige el resultado
Análisis de costos de Claude API
- 2
Definir el contrato
proveedor, modelo, característica y estado
- 3
Instrumentar el límite
Lea el modelo de la respuesta y configuración de la API en lugar de codificar un identificador de modelo de próxima generación en análisis.
- 4
Verificar la evidencia
Exercise a known fixture, then inspect llm_request_completed for one correctly typed terminal row.
Antes de empezar
Requisitos previos y límites
- El SDK oficial de Anthropic TypeScript configurado en el lado del servidor
- Un TELEMETRY_API_KEY del lado del servidor
- Un flujo de trabajo del producto y una definición de resultados revisada.
Configuración de entrega
Instalar e inicializar el lado del servidor
Importe telemetry-sh en código solo de servidor e inicialícelo una vez con Process.env.TELEMETRY_API_KEY. Mantenga las credenciales de ingesta fuera de los paquetes de navegador, las variables de entorno visibles para el cliente, el control de fuente, los registros y los mensajes de excepción.
Instalación npm
npm install telemetry-sh- 1Prepare un cliente de entrega del lado del servidor reutilizable con comportamiento de red limitado.
- 2Agregue el evento de resultado en el límite de éxito, error, reintento o tiempo de espera.
- 3Envíe accesorios controlados e inspeccione las filas almacenadas antes de habilitar una alerta.
Fragmento
Comience con un evento estructurado
Agregue esta forma donde el flujo de trabajo se completa, falla o se vuelve a intentar. Luego cree el panel a partir de campos reales.
Evento Anthropic Claude API Telemetry
const startedAt = performance.now();
const message = await anthropic.messages.create({
model: process.env.ANTHROPIC_MODEL,
max_tokens: 1024,
messages,
});
await telemetry.log("llm_request_completed", {
provider: "anthropic",
model: message.model,
feature: "support_reply",
status: "success",
stop_reason: message.stop_reason,
input_tokens: message.usage.input_tokens,
output_tokens: message.usage.output_tokens,
latency_ms: Math.round(performance.now() - startedAt),
prompt_version: "support-v3",
release: process.env.APP_RELEASE,
});Contrato de evento
proveedor, modelo, característica y estado
input_tokens, output_tokens, latency_ms y stop_reason
run_id, prompt_version, reviewer_outcome y versión
Puntos de control de implementación
Punto de control 1
Lea el modelo de la respuesta y configuración de la API en lugar de codificar un identificador de modelo de próxima generación en análisis.
Punto de control 2
Registre el resultado de la solicitud después de conocer el uso y el motivo de la detención, y registre las fallas con un tipo de error controlado.
Punto de control 3
Mantenga las indicaciones sin procesar, las finalizaciones, las claves API y las cargas útiles de herramientas fuera de la telemetría.
Verificación
Demuestra que el evento llegó
Ejecute esto después de ejercitar casos conocidos de éxito y fracaso. Reemplace el nombre de la tabla alternativa si su contrato de evento final difiere del fragmento.
Consulta de verificación Anthropic Claude API Telemetry
SELECT *
FROM llm_request_completed
ORDER BY timestamp_utc DESC
LIMIT 20;Referencias de implementación
Revise el contrato del evento, la guía de seguridad de los datos y la documentación primaria previa antes de habilitar una nueva ruta de producción.
Límite de producción
Mantenga el evento de resultado pequeño y recuperable
Este patrón proporciona
- Un resultado limitado y listo para SQL junto al flujo de trabajo ascendente.
- Campos estables para paneles, alertas y correlación entre eventos.
- Una ruta basada en dispositivos para validar el comportamiento de éxito, fracaso, reintento y tiempo de espera.
Este patrón no proporciona
- Un exportador de OTLP, un canal de recopilación automática o un reemplazo para seguimientos detallados y registros de diagnóstico.
- Entrega exactamente una vez simplemente porque la carga útil contiene un ID de evento.
- Permiso para recopilar cargas útiles sin procesar del proveedor, contenido de usuario, credenciales o datos regulados.
Puntos de partida del esquema de eventos
Contratos de eventos para este flujo de trabajo
Revise el detalle de la fila, el límite de emisión, los tipos requeridos, las clases de privacidad, la carga útil de ejemplo y la lista de verificación de validación antes de adaptar una consulta o fragmento a producción.
Función relacionada del producto
Continúe este flujo de trabajo en Monitoreo de agentes de IA
Conecte las ejecuciones de agentes, el uso de herramientas, el costo del modelo, la calidad y los resultados del producto con SQL revisable.
Recetas SQL relacionadas
Responde la siguiente pregunta con SQL
Ejecute la consulta en los campos estructurados de este flujo de trabajo, inspeccione el resultado del ejemplo y convierta una respuesta útil en un panel o alerta.
Mida el éxito de las tareas de los agentes de IA y la transferencia humana
¿Qué flujos de trabajo de agentes finalizan exitosamente y producen resultados aceptados?
Receta abiertaCalcular el costo de LLM por característica y modelo
¿Qué características y modelos de productos impulsan el gasto en LLM?
Receta abiertaMedir el ahorro de caché de LLM y el costo de reintento
¿Cuánto costo del modelo está asociado con los reintentos y los errores de caché?
Receta abiertaMedir el tiempo de LLM hasta el primer token
¿Qué combinaciones de modelos y características se sienten lentas antes de que comience la producción?
Receta abiertaMedir las producciones de IA aceptadas por dólar
¿Qué combinación de modelo y características produce los resultados por dólar más aceptados?
Receta abiertaExplorar por familia de implementación
Comparar patrones de integración relacionados
Plantillas para combinar con esta integración
Rastreador de costos de LLM
Mida el gasto del modelo, el uso de tokens, la latencia, la tasa de fallas y las señales de valor por función, usuario y cuenta.
Abrir plantillaPlantilla de observabilidad de agentes de IA
Realice un seguimiento de las ejecuciones de agentes, llamadas de herramientas, reintentos, latencia de modelos, errores y resultados aceptados con eventos estructurados listos para SQL.
Abrir plantillaMás integraciones
OpenAI Agente Telemetry
Registre las ejecuciones del agente OpenAI, las llamadas a herramientas, el uso del modelo, la latencia, el costo y los resultados finales con eventos estructurados.
abrir guiaAmazon Bedrock Modelo Telemetry
Mida las solicitudes de Bedrock Converse por modelo o perfil de inferencia, uso de token, latencia, motivo de detención, reintentos y resultado comercial.
abrir guiaAPI de respuestas OpenAI Telemetry
Mida la latencia de la API de OpenAI Responses, el uso de tokens, la actividad de las herramientas, las fallas y los resultados posteriores sin recopilar indicaciones ni contenido generado.
abrir guia