Pydantic AI Agent Telemetry：从边界到验证行
在受控应用程序边界使用 Pydantic AI Agent Telemetry，保持事件契约较小，并在构建聚合视图之前验证已知结果。
- 1
选择结果
Pydantic AI 可靠性
- 2
定义合同
run_id、工作流程、agent_name、提供商、model_alias 和 prompt_version
- 3
埋点边界
在应用程序边界包装 Agent.run 并发出一个终端结果；使用 Pydantic AI 埋点进行详细的模型和工具跟踪，而不是重复它们。
- 4
核实证据
Exercise a known fixture, then inspect agent_run_completed for one correctly typed terminal row.
开始之前
先决条件和界限
- pydantic-ai 和 telemetry-sh 在受信任的 Python 进程中初始化
- 稳定的工作流程名称和应用程序拥有的运行标识符
- 排除提示、输出、依赖对象、工具参数和模型消息的白名单
交货设置
安装并初始化服务器端
使用服务器端密钥为每个进程初始化一次 Telemetry 同步代码或 TelemetryAsync 异步代码。 将摄取凭据保留在浏览器包、客户端可见的环境变量、源代码控制、日志和异常消息之外。
pip安装
python -m pip install telemetry-sh- 1准备一个具有有限网络行为的可重用服务器端交付客户端。
- 2在成功、失败、重试或超时边界处添加结果事件。
- 3在启用警报之前发送受控装置并检查存储的行。
片段
从一个结构化事件开始
在工作流程完成、失败或重试的位置添加此形状。然后从真实的字段构建仪表板。
Pydantic AI Agent Telemetry事件
from time import perf_counter
async def run_support_agent(prompt: str, run_id: str):
started_at = perf_counter()
status = "success"
error_type = None
try:
result = await support_agent.run(prompt)
return result.output
except Exception as error:
status = "failed"
error_type = classify_agent_error(error)
raise
finally:
await telemetry.log("agent_run_completed", {
"run_id": run_id,
"workflow": "support_resolution",
"agent_name": "support_agent",
"status": status,
"error_type": error_type,
"duration_ms": round((perf_counter() - started_at) * 1000),
"release": APP_RELEASE,
})活动合约
run_id、工作流程、agent_name、提供商、model_alias 和 prompt_version
状态、duration_ms、retry_count、tool_call_count 以及批准后的使用总量
output_validated、已接受、human_handoff、error_type、发布和环境
实施检查点
检查站 1
在应用程序边界包装 Agent.run 并发出一个终端结果；使用 Pydantic AI 埋点进行详细的模型和工具跟踪，而不是重复它们。
检查站 2
当输出验证重试和提供程序重试导致不同的工程决策时，将它们视为不同的类别。
检查站 3
请勿将 RunResult、消息、依赖项、工具参数或经过验证的输出序列化为 Telemetry 事件。
验证
证明事件已到达
在演练已知的成功和失败案例后运行此命令。如果您的最终事件契约与代码片段不同，请替换后备表名称。
Pydantic AI Agent Telemetry 验证查询
SELECT *
FROM agent_run_completed
ORDER BY timestamp_utc DESC
LIMIT 20;实施参考
在启用新的生产路径之前，请检查事件合同、数据安全指南和上游主要文档。
生产边界
保持结果事件小且可恢复
该模式提供了
- 除了上游工作流程之外，还有一个有界的、SQL 就绪的结果。
- 用于仪表板、警报和跨事件关联的稳定字段。
- 用于验证成功、失败、重试和超时行为的夹具驱动路径。
该模式不提供
- OTLP 导出器、自动收集管道或详细跟踪和诊断日志的替代品。
- 仅因为有效负载包含事件 ID，所以仅传送一次。
- 收集原始提供商有效负载、用户内容、凭证或受监管数据的权限。
事件架构起点
此工作流程的事件契约
在将查询或代码片段适应生产之前，请检查行粒度、发出边界、所需类型、隐私类、示例有效负载和验证清单。
相关产品功能
继续此工作流程 AI代理监控
通过可审查的 SQL 连接智能体运行、工具使用、模型成本、质量和产品结果。
相关 SQL 查询示例
用 SQL 回答下一个问题
针对此工作流程中的结构化字段运行查询，检查示例结果，并将有用的答案转换为仪表板或警报。
衡量人工智能智能体任务的成功和人工交接
哪些智能体工作流程成功完成并产生可接受的结果？
打开查询示例查询嵌套 AI 工具调用事件
哪些人工智能工具和参数与失败次数最多的调用相关？
打开查询示例检测重复的 AI 智能体工具循环
哪些智能体运行似乎陷入了重复的工具循环？
打开查询示例按功能和模型计算 LLM 成本
哪些产品功能和型号正在推动法学硕士支出？
打开查询示例按提示版本查找 AI 质量回归
新的提示版本是否在不增加人工交接的情况下提高了质量？
打开查询示例衡量每美元所接受的人工智能产出
哪种模型和功能组合可以产生最受接受的单位美元产出？
打开查询示例按实施系列浏览
比较相关集成模式
与此集成配对的模板
更多集成