Azure OpenAI Responses Telemetry: del límite a la fila verificada
Utilice Azure OpenAI Responses 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
Atribución de costos de implementación de Azure
- 2
Definir el contrato
proveedor, implementación, modelo, región, característica y estado
- 3
Instrumentar el límite
Mantenga el nombre de la implementación de Azure separado del identificador del modelo devuelto.
- 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
- Una credencial de Azure OpenAI del lado del servidor y TELEMETRY_API_KEY
- Un contrato estable de implementación, región, función y versión inmediata
- Una búsqueda de precios versionada para el modelo implementado
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 Azure OpenAI Responses Telemetry
import OpenAI from "openai";
import telemetry from "telemetry-sh";
const azure = new OpenAI({
apiKey: process.env.AZURE_OPENAI_API_KEY,
baseURL: process.env.AZURE_OPENAI_BASE_URL,
});
const startedAt = performance.now();
try {
const response = await azure.responses.create({
model: process.env.AZURE_OPENAI_DEPLOYMENT,
input: userInput,
});
await telemetry.log("llm_request_completed", {
provider: "azure_openai",
deployment: process.env.AZURE_OPENAI_DEPLOYMENT,
model: response.model,
region: process.env.AZURE_REGION,
feature: "document_summary",
status: "success",
latency_ms: Math.round(performance.now() - startedAt),
input_tokens: response.usage?.input_tokens,
output_tokens: response.usage?.output_tokens,
total_tokens: response.usage?.total_tokens,
prompt_version: "summary-v3",
});
return response;
} catch (error) {
await telemetry.log("llm_request_completed", {
provider: "azure_openai",
deployment: process.env.AZURE_OPENAI_DEPLOYMENT,
feature: "document_summary",
status: "failed",
latency_ms: Math.round(performance.now() - startedAt),
error_type: classifyProviderError(error),
});
throw error;
}Contrato de evento
proveedor, implementación, modelo, región, característica y estado
input_tokens, output_tokens, total_tokens, latency_ms y estimated_cost_usd
response_id, prompt_version, error_type y resultado aceptado
Puntos de control de implementación
Punto de control 1
Mantenga el nombre de la implementación de Azure separado del identificador del modelo devuelto.
Punto de control 2
Lea el uso de la respuesta y aplique la versión de precio asociada con la implementación.
Punto de control 3
No registre solicitudes, resultados, credenciales de API, identificadores de usuario final ni cuerpos de error sin procesar del proveedor sin una aprobación explícita.
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 Azure OpenAI Responses 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.
Calcular el costo de LLM por característica y modelo
¿Qué características y modelos de productos impulsan el gasto en LLM?
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 abiertaEncuentre regresiones de calidad de IA por versión de solicitud
¿La nueva versión del mensaje mejoró la calidad sin aumentar las transferencias humanas?
Receta abiertaExplorar por familia de implementación
Comparar patrones de integración relacionados
Plantillas para combinar con esta integración
Plantilla 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 plantillaRastreador 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 plantillaMás integraciones
API de Google Géminis Telemetry
Realice un seguimiento de la latencia de las solicitudes de Gemini, el uso del modelo, los tokens, el motivo de finalización, los errores y los resultados de los productos revisados sin almacenar indicaciones ni contenido generado.
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 guiaVercel SDK de IA Telemetry
Realice un seguimiento de las finalizaciones de transmisión, el uso de tokens, los reintentos, la latencia y los resultados aceptados de los flujos de trabajo del SDK de AI.
abrir guia