Natrag na AI agenti vodič

Oriphiel AI agenti vodič

Streaming, tracing i observability AI agenata

Kako pratiti što agent radi u stvarnom vremenu: tok događaja, trace koraci, latencija, tokeni, tool callovi i greške.

Oriphiel stručni tim Ažurirano 21. 7. 2026. 4 min čitanja

Odgovor ukratko

Agentic sustav treba biti vidljiv. Streaming pomaže korisniku da vidi napredak, ali tracing je važniji za održavanje: koji prompt je poslan, koji model je korišten, koji alat je pozvan, koji argumenti su validirani, koliko je trajalo i zašto je run završio ili pao.

Ključne odluke

  • Trace treba biti dovoljno detaljan za debug, ali redigiran od osjetljivih podataka.
  • Svaki run treba imati correlation ID.
  • Tokeni, model, alati i latencija trebaju biti mjerljivi.
  • Observability treba pokrivati i modele i backend alate.

Provedba korak po korak

Cilj ove lekcije je debuggirati agente kao produkcijski softver. Korake treba provoditi redom i svaki potvrditi prije širenja opsega.

Preporučeni redoslijed

  • Dodati event log za run_started, model_called, tool_called, approval_requested, completed i failed.
  • U UI prikazati status i zadnji siguran korak.
  • Spremiti model, prompt version, token usage i latency.
  • Za greške povezati stack trace, tool error i user-facing poruku.

Praktičan primjer

Praktičan primjer za developere, administratore i support: tim prvo provodi korak „Dodati event log za run_started, model_called, tool_called, approval_requested, completed i failed.”, zatim provjerava „Potvrđena je ključna odluka: Trace treba biti dovoljno detaljan za debug, ali redigiran od osjetljivih podataka.”. Odluka o nastavku ne donosi se prema dojmu, nego prema pokazatelju „Trace coverage.”.

Kontrolna lista prije nastavka

Ova provjera odvaja završenu implementaciju od postavke koja samo izgleda dovršeno.

Provjerite

  • Potvrđena je ključna odluka: Trace treba biti dovoljno detaljan za debug, ali redigiran od osjetljivih podataka.
  • Testiran je prvi korak provedbe: Dodati event log za run_started, model_called, tool_called, approval_requested, completed i failed.
  • Dogovoreno je početno mjerenje: Trace coverage.

Najčešće pogreške i rizici

Rizike treba provjeriti prije povećanja prometa, automatizacije ili ovlasti sustava.

Na što treba paziti

  • Agent izgleda kao crna kutija pa se greške ne mogu reproducirati.
  • Trace sprema pune osobne podatke bez redakcije.
  • Nema veze između korisničkog problema i backend loga.
  • Mjeri se samo finalni odgovor, ne i tool callovi.

Mjerenje rezultata

Učinak se procjenjuje kroz mali skup metrika koje su povezane s ciljem lekcije i stvarnim poslovnim ishodom.

Metrike koje imaju smisla

  • Trace coverage.
  • Prosječna latencija modela i alata.
  • Token usage po agent tipu.
  • Greške po toolu.
  • Vrijeme debugiranja incidenta.

Česta pitanja

Koji je prvi korak za temu „Streaming, tracing i observability AI agenata”?

Dodati event log za run_started, model_called, tool_called, approval_requested, completed i failed. Prije nastavka potvrdite odluku: Trace treba biti dovoljno detaljan za debug, ali redigiran od osjetljivih podataka.

Kako provjeriti da je provedba uspješna?

Potvrđena je ključna odluka: Trace treba biti dovoljno detaljan za debug, ali redigiran od osjetljivih podataka. Nakon toga pratite metriku: Trace coverage..

Koju pogrešku treba prvo spriječiti?

Agent izgleda kao crna kutija pa se greške ne mogu reproducirati. Problem ispravite prije automatizacije ili povećanja budžeta.

Službeni i stručni izvori

Sučelja, pravila i preporuke mogu se mijenjati. Prije produkcijske izmjene provjerite aktualnu dokumentaciju.

Povezane AI-agent lekcije

Arhitektura AI agenta u OpenClaw-uReferentna arhitektura za OpenClaw AI agente: ulaz, context builder, model, tool dispatcher, validacija, zapis stanja i audit log. Evaluacija agentic workflowaKako mjeriti kvalitetu AI agenata: zlatni skup primjera, rubni slučajevi, tool accuracy, trajectory eval i ljudska ocjena. Incidenti, rollback i audit log za AI agenteKako reagirati kada agent pogriješi: zaustavljanje, istraga tracea, poništavanje akcije, obavijest i poboljšanje evala. Agent loop: planiranje, izvršenje i provjeraKako radi osnovna petlja AI agenta: primi cilj, planira korak, pozove alat, pročita rezultat, provjeri ishod i završava ili nastavlja.

Povežite ovu temu s ostatkom sustava

OpenClaw automatizacijePrimijenite agente na jasan CRM proces s vlasnikom i mjerljivim ishodom. CRM dozvole i sigurnostUskladite tools, uloge i podatkovni opseg s backend kontrolama. Strukturirani podaciPripremite strojno čitljive izlaze i sadržaj koji se može pouzdano validirati.

Primijenite lekciju na stvarni projekt

Pošaljite postojeću konfiguraciju, cilj i problem koji želite riješiti. Dobit ćete prijedlog sljedećeg tehničkog ili operativnog koraka.

Pošaljite upitPregledajte sve vodiče