我们开源了 AgentInsight：面向 LangChain / OpenAI 的 AI Agent 可观测 SDK-优快云博客

过去一年，越来越多团队开始把 LLM 和 Agent 应用真正放到生产环境中：AI 客服、企业知识库、销售助手、代码助手、自动化工作流、内部 Copilot……但当这些应用从 Demo 走向真实业务后，一个问题会迅速变得明显：

AI 应用不是跑起来就结束了，真正困难的是上线后如何观测、调试、评估和治理。

一次回答为什么变慢？
一次 Agent 任务失败在哪个工具调用？
Token 成本为什么突然升高？
哪个模型调用效果最好？
用户会话质量如何评估？
线上异常如何快速复盘？

传统日志很难回答这些问题。于是我们开源了 AgentInsight SDK，希望为 LangChain、OpenAI 以及更多 LLM/Agent 应用提供一套轻量、标准、可扩展的可观测接入方式。

AgentInsight 是什么

AgentInsight 是一个面向企业级 LLM/Agent 应用的智能可观测平台，帮助开发者和团队采集、分析和治理 AI 应用运行过程中的关键数据。

通过 AgentInsight SDK，你可以采集：

Trace 链路数据
LLM 模型调用记录
Token 消耗
响应耗时
异常错误
Agent 工具调用
会话评分与评估数据
Prompt 与上下文信息

这些数据会被发送到 AgentInsight 平台，用于研发仪表盘、成本分析、模型使用分析、错误诊断、会话分析、智能预警和 AI 分析助手等场景。

为什么需要 AI Agent 可观测

很多 Agent 应用在开发阶段看起来都能正常运行，但一旦进入生产环境，复杂度会迅速上升。

一个真实 Agent 任务可能包含：

多轮模型调用
多个工具调用
RAG 检索
Prompt 模板拼接
外部 API 请求
多步骤推理与决策
用户上下文传递

如果只看最终输出，很难知道中间到底发生了什么。

AgentInsight 希望解决的就是这个问题：
让每一次 AI 调用、每一段 Agent 链路、每一次异常和每一笔 Token 成本都可追踪、可分析、可优化。

开源 SDK 支持什么

目前我们开源了两个 SDK 仓库：

Python SDK：AgentInsight/agentinsight-sdk-python
TypeScript SDK：AgentInsight/agentinsight-sdk-ts

SDK 基于 OpenTelemetry 思路设计，支持和现有 AI 应用框架集成。

Python SDK 支持：

@observe 装饰器自动追踪函数调用
OpenAI 调用观测
LangChain 集成
Trace / Span 数据采集
Token 与耗时记录
错误捕获
多项目隔离

TypeScript SDK 支持：

OpenAI SDK 包装
LangChain Callback 集成
OpenTelemetry SpanProcessor
Token 成本分析
Prompt 管理
数据脱敏
Node.js / Web 场景扩展

一个简单例子

Python 中可以通过 @observe 快速追踪函数：

from agentinsight import observe

@observe(as_type="agent")
def run_agent(query: str) -> str:
    plan = plan_task(query)
    result = execute_task(plan)
    return result

@observe(as_type="chain")
def plan_task(query: str) -> str:
    return f"Plan for: {query}"

@observe(as_type="tool")
def execute_task(plan: str) -> str:
    return f"Executed: {plan}"

这样一次 Agent 执行过程中的 agent、chain、tool 调用关系就可以被记录下来，后续在 AgentInsight 平台中进行链路分析和问题定位。

我们关注的不只是 Trace

AgentInsight 不只是一个 Trace 查看器。

在企业场景里，AI 应用上线后还会面临更多治理问题：

哪个项目 Token 成本最高？
哪个模型调用最频繁？
哪类请求最容易失败？
哪些 Trace 耗时异常？
哪些用户会话质量较低？
不同团队的 AI 使用情况如何？
AI 应用是否真的产生了业务价值？

因此 AgentInsight 的目标是把 研发可观测、成本治理、质量评估和业务分析 放到同一个体系里。

和 Langfuse / LangSmith 的关系

Langfuse、LangSmith 等工具已经很好地推动了 LLM 可观测的发展。AgentInsight 也受到这些优秀项目的启发。

我们的重点会更偏向：

国内企业 AI 应用落地场景
LangChain / OpenAI / OpenTelemetry 生态兼容
项目级、团队级成本归因
企业级权限、审计和预警
AI 使用渗透率与业务价值看板
中文团队更容易接入和使用的体验

我们希望 AgentInsight 能成为中国企业和开发者构建生产级 Agent 应用时，一个实用、轻量、可扩展的观测基础设施。

欢迎试用和反馈

如果你正在开发或运营 LLM / Agent 应用，尤其遇到过这些问题：

Agent 调试困难
线上错误难定位
Token 成本不可控
模型调用质量难评估
多步骤调用链路难复盘
企业内部 AI 应用缺少统一监控

欢迎试用 AgentInsight SDK，也欢迎给我们提 Issue、建议或使用场景。

GitHub 搜索：

AgentInsight agentinsight-sdk-python
AgentInsight agentinsight-sdk-ts

或者访问：

https://github.com/AgentInsight/agentinsight-sdk-python
https://github.com/AgentInsight/agentinsight-sdk-ts
https://agentinsight.goldebridge.com

我们相信，AI 应用进入生产环境后，可观测会从“可选项”变成“基础设施”。

AgentInsight 会持续围绕 LLM / Agent 应用的 Trace、成本、质量、评估和治理能力演进，也欢迎更多开发者一起参与共建。