مهارة Failproof AI Observability Python SDK للوكيل

​

أدوات القياس سهلة الكتابة وسهلة الخطأ بصمت

​

ما تفعله، بالترتيب

1. التخطيط. تقرأ حلقة الوكيل وتطرح السؤالين اللذين يمكنك فقط الإجابة عليهما: ما الذي يحسب كتشغيل واحد (session_id)، ومن الممثلون القابلون للتمييز (agent_id). تحصل على الموافقة على تلك قبل كتابة الكود، لأن تغييرها لاحقاً يقسم السجل ويكسر الاتجاهات.
2. الكتابة. تربط الهوية مرة واحدة لكل تشغيل بدلاً من نقلها عبر كل موقع استدعاء، وتختار شكلاً آمناً للتزامن — تفصيل مهم، لأن الطريقة الواضحة المختصرة تخلط بصمت بين تشغيلين متداخلين في جلسة واحدة.
3. التحقق. تشغّل الوكيل وتقرأ ملفات الأحداث الناتجة، للتحقق من وجود agent_start والبيئة الصحيحة وأن تشغيلاً واحداً أنتج جلسة واحدة.

​

كيف تتعلق بالمهارات الأخرى

​

المتطلبات الأساسية

1. Python 3.10+ وقاعدة كود الوكيل التي تريد توصيلها.
2. SDK. يتم توزيعها للعملاء كعجلة خاصة بدلاً من فهرس عام — يغطي الإعداد الخاص بك كيفية الحصول عليها وتثبيتها. تعرف المهارة مسار التثبيت وستسألك بدلاً من التخمين إذا لم تتمكن من العثور عليها.
3. لا شيء آخر. لا توجد ولوج لوحة تحكم، لا مفتاح API، لا شبكة. تتحقق المهارة من ملفات الأحداث التي يكتبها SDK، لذا يمكنها الانتهاء والتحقق من عملها في وضع بدون اتصال.

​

أين تحصل عليها

npx skills add FailproofAI/skills --skill agenteye-python-sdk -a claude-code

​

تثبيتها يدويًا

• Claude Code: انسخ مجلد agenteye-python-sdk/ إلى ~/.claude/skills/ (كل مشروع) أو <your-repo>/.claude/skills/ (هذا المستودع فقط). يكتشفه Claude Code تلقائياً — تحقق من قائمة /skills، أو ببساطة اسأل شيئاً يطابقه.
• Codex: يقرأ Codex نفس SKILL.md. يعيّن agents/openai.yaml المجمّع allow_implicit_invocation: true، لذا يتم اختياره تلقائياً عندما تطابق المهمة؛ وإلا قم باستدعاؤه كـ $agenteye-python-sdk.

​

كيف تبدو الجلسة

you   ▸ Add Failproof AI Observability to this agent.

agent ▸ Read your loop — one tool dispatcher in tools.py, one Anthropic
        wrapper in llm.py. Two questions before I write anything.

        What counts as one run? You handle requests concurrently, so I'd
        use the request id you already have in ctx.request_id — then a
        session here and a request in your logs are the same string.

        And who are the actors? I see a planner path and a researcher
        path. Label them separately, or is that one agent to you?

you   ▸ Request id is right. They're one agent, call it "assistant".

agent ▸ Done. Wrapped the dispatcher and the LLM client; agent_start and
        agent_end bracket handle_request, including the error path. Used
        a context-local for identity — your dispatcher runs tools in a
        thread pool, and the simpler approach would have mixed concurrent
        runs into one session without complaining.

        Verified against a real run: 11 events across 4 files —
        agent_start, model_request/response, tool_use/tool_result x3,
        agent_end (outcome=success). environment=production, one session
        per request, durations paired.

        One thing I did NOT do: your worker pool in batch.py submits
        straight to the executor, so events from there would be dropped.
        Want me to fix those too?

​

ما الذي يمكنك أن تطلبه

• “لماذا لا يظهر الوكيل الخاص بي على لوحة التحكم؟” → يمشي في السلم: هل يتم كتابة الأحداث، هل agent_start موجود، هل البيئة صحيحة، هل يقرأ الجامع نفس المكان.
• “كل شيء يهبط تحت dev.” → لم يتم تعيين البيئة أبداً، أو تم إعادة تعيينها بواسطة استدعاء لاحق.
• “أضف تتبع الرموز.” → يجد محقق LLM الخاص بك ويسجل النموذج وسبب الإيقاف والاستخدام.
• “أدرج الوكلاء الفرعيين أيضاً.” → جلسة واحدة، علامات وكيل مميزة، متداخلة تحت والديهم.
• “اكتب اختبارات لأدوات القياس.” → يشير إلى SDK في مجلد مؤقت ويؤكد على الأحداث التي كتبها.

​

ما يجب الانتباه له

​

الخطوات التالية

• Python SDK: المرجع الكامل للأحداث — كل نوع حدث وحقل — خلف ما تؤتمتتة هذه المهارة.
• الجلسات: ما ينتجه التسجيل الخاص بك بمجرد وصول الأحداث.
• مهارة Evaluator Agent: الخطوة التالية بمجرد هبوط التشغيلات — تقييمها.
• مهارة CLI Agent: قراءة بيانات المراقبة الخاصة بك مرة أخرى.