使用 Pydantic AI agent telemetry 发送并验证事件
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
在结果处发出
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
开始之前
- 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,
})事件结构
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
检查配置
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。
在哪里记录事件
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。
事件模式示例
此工作流的事件模式
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
更多 SQL 示例
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