Pydantic AI Agent Telemetry：從邊界到驗證行
在受控應用程式邊界使用 Pydantic AI Agent Telemetry，保持事件契約較小，並在建置聚合檢視之前驗證已知結果。
- 1
選擇結果
Pydantic AI 可靠性
- 2
定義合約
run_id、工作流程、agent_name、提供商、model_alias 和 prompt_version
- 3
埋點邊界
在應用程式邊界包裝 Agent.run 併發出一個終端結果；使用 Pydantic AI 埋點進行詳細的模型和工具追蹤，而不是重複它們。
- 4
核實證據
Exercise a known fixture, then inspect agent_run_completed for one correctly typed terminal row.
開始之前
先決條件和界限
- pydantic-ai 和 telemetry-sh 在受信任的 Python 處理程序中初始化
- 穩定的工作流程名稱和應用程式擁有的執行識別符號
- 排除提示、輸出、依賴物件、工具參數和模型訊息的白名單
交貨設定
安裝並初始化伺服器端
使用伺服器端金鑰為每個處理程序初始化一次 Telemetry 同步程式碼或 TelemetryAsync 非同步程式碼。 將攝取憑據保留在瀏覽器包、客戶端可見的環境變數、原始碼控制、日誌和異常訊息之外。
pip安裝
python -m pip install telemetry-sh- 1準備一個具有有限網路行為的可重用伺服器端交付客戶端。
- 2在成功、失敗、重試或超時邊界處新增結果事件。
- 3在啟用警示之前傳送受控裝置並檢查儲存的行。
片段
從一個結構化事件開始
在工作流程完成、失敗或重試的位置新增此形狀。然後從真實的欄位建置儀表板。
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,
})活動合約
run_id、工作流程、agent_name、提供商、model_alias 和 prompt_version
狀態、duration_ms、retry_count、tool_call_count 以及批准後的使用總量
output_validated、已接受、human_handoff、error_type、發布和環境
實施檢查點
檢查站 1
在應用程式邊界包裝 Agent.run 併發出一個終端結果；使用 Pydantic AI 埋點進行詳細的模型和工具追蹤，而不是重複它們。
檢查站 2
當輸出驗證重試和提供程式重試導致不同的工程決策時，將它們視為不同的類別。
檢查站 3
請勿將 RunResult、訊息、依賴項、工具參數或經過驗證的輸出序列化為 Telemetry 事件。
驗證
證明事件已到達
在演練已知的成功和失敗案例後執行此命令。如果您的最終事件契約與程式碼片段不同，請替換後備資料表名稱。
Pydantic AI Agent Telemetry 驗證查詢
SELECT *
FROM agent_run_completed
ORDER BY timestamp_utc DESC
LIMIT 20;實施參考
在啟用新的生產路徑之前，請檢查事件合約、資料安全指南和上游主要文件。
生產邊界
保持結果事件小且可恢復
該模式提供了
- 除了上游工作流程之外，還有一個有界的、SQL 就緒的結果。
- 用於儀表板、警示和跨事件關聯的穩定欄位。
- 用於驗證成功、失敗、重試和超時行為的夾具驅動路徑。
該模式不提供
- OTLP 匯出器、自動收集管道或詳細追蹤和診斷日誌的替代品。
- 僅因為有效負載包含事件 ID，所以僅傳送一次。
- 收集原始提供商有效負載、使用者內容、憑證或受監管資料的權限。
事件架構起點
此工作流程的事件契約
在將查詢或程式碼片段適應生產之前，請檢查行粒度、發出邊界、所需型別、隱私類、範例有效負載和驗證清單。
相關產品功能
繼續此工作流程 AI代理監控
透過可審查的 SQL 連線代理執行、工具使用、模型成本、品質和產品結果。
相關 SQL 查詢範例
用 SQL 回答下一個問題
針對此工作流程中的結構化欄位執行查詢，檢查範例結果，並將有用的答案轉換為儀表板或警示。
衡量人工智慧代理任務的成功和人工交接
哪些代理工作流程成功完成併產生可接受的結果？
開啟查詢範例查詢巢狀 AI 工具呼叫事件
哪些人工智慧工具和參數與失敗次數最多的呼叫相關？
開啟查詢範例檢測重複的 AI 代理工具迴圈
哪些代理執行似乎陷入了重複的工具迴圈？
開啟查詢範例按功能和模型計算 LLM 成本
哪些產品功能和型號正在推動法學碩士支出？
開啟查詢範例按提示版本查詢 AI 品質回歸
新的提示版本是否在不增加人工交接的情況下提高了品質？
開啟查詢範例衡量每美元所接受的人工智慧產出
哪種模型和功能組合可以產生最受接受的單位美元產出？
開啟查詢範例按實施系列瀏覽
比較相關整合模式
與此整合配對的範本
更多整合