OpenAI Responses API Telemetry: del límite a la fila verificada
Utilice OpenAI Responses 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 latencia y costos de API de Responses
- 2
Definir el contrato
operation_id, response_id, función, flujo de trabajo, proveedor, modelo y versión
- 3
Instrumentar el límite
Envuelva la llamada API de Responses propiedad de la aplicación y emita un evento de solicitud de terminal después de que se conozca el uso y el resultado.
- 4
Verificar la evidencia
Exercise a known fixture, then inspect openai_response_completed for one correctly typed terminal row.
Antes de empezar
Requisitos previos y límites
- El SDK oficial OpenAI JavaScript y telemetry-sh inicializados en código de servidor confiable
- Un ID de operación propiedad de la aplicación más características estables, flujo de trabajo, alias de modelo y nombres de versiones.
- Una política revisada para datos de avisos, respuestas, herramientas e identificadores.
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 OpenAI Responses API Telemetry
import OpenAI from "openai";
import { Telemetry } from "telemetry-sh";
const openai = new OpenAI();
const telemetry = new Telemetry(process.env.TELEMETRY_API_KEY);
const startedAt = performance.now();
let response;
let status = "success";
let errorType;
try {
response = await openai.responses.create({
model: process.env.OPENAI_MODEL ?? "gpt-5.6",
input: approvedInput,
});
return response.output_text;
} catch (error) {
status = "failed";
errorType = classifyOpenAIError(error);
throw error;
} finally {
await telemetry.log("openai_response_completed", {
operation_id: operationId,
response_id: response?.id,
feature: "support_draft",
provider: "openai",
model: response?.model ?? process.env.OPENAI_MODEL ?? "gpt-5.6",
status,
error_type: errorType,
duration_ms: Math.round(performance.now() - startedAt),
input_tokens: response?.usage?.input_tokens ?? 0,
output_tokens: response?.usage?.output_tokens ?? 0,
total_tokens: response?.usage?.total_tokens ?? 0,
release: process.env.APP_RELEASE,
});
}Contrato de evento
operation_id, response_id, función, flujo de trabajo, proveedor, modelo y versión
estado, duration_ms, input_tokens, output_tokens, total_tokens, retry_count y error_type
tool_call_count, aceptado, human_handoff, estimated_cost_usd y pricing_version cuando estén aprobados
Puntos de control de implementación
Punto de control 1
Envuelva la llamada API de Responses propiedad de la aplicación y emita un evento de solicitud de terminal después de que se conozca el uso y el resultado.
Punto de control 2
El uso del proveedor admite la contabilidad de tokens, pero el costo es una estimación propiedad de la aplicación que necesita una fuente de precios fechada y una conciliación separada.
Punto de control 3
Mantenga las indicaciones, los resultados generados, los argumentos de las herramientas, los resultados de las herramientas, las claves API y los mensajes de excepción sin restricciones fuera del evento de forma predeterminada.
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 OpenAI Responses API Telemetry
SELECT *
FROM openai_response_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 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 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
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
Vercel 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 guiaOpenAI 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 guiaAPI 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 guia