Skip to main content
Fragen Sie Ihren Coding-Agenten „Ist heute irgendetwas kaputt?” und lassen Sie ihn die Antwort aus Ihren Live-Failproof AI Observability-Daten beziehen – ohne Befehle auswendig lernen zu müssen. Der Failproof AI Observability CLI Skill (agenteye-cli) ist ein Agent Skill: ein kleiner Ordner mit Anweisungen, den ein Coding-Agent wie Claude Code oder Codex bei Bedarf lädt. Er bringt dem Agenten bei, Ihre Observability-Deployment über die agenteye CLI anhand von Anfragen in normalem Englisch zu bedienen – etwa „Gib CI einen Schlüssel, der nur Events pushen kann” oder „Bestätige den ausgelösten Incident und weise ihn mir zu.” Es handelt sich nicht um einen Dienst oder eine separate Binärdatei; es gibt nichts zu deployen. Es setzt auf der bereits installierten CLI auf: Der Agent ruft agenteye --json … auf, analysiert das saubere JSON und antwortet Ihnen in Prosaform. Alles, was er tun kann, könnten Sie selbst durch Eingabe derselben Befehle tun.

​
Verhältnis zu den anderen Failproof AI Observability-Schnittstellen

Failproof AI Observability bietet Ihnen vier Wege, um auf dieselben Daten und Steuerungsmöglichkeiten zuzugreifen. Sie ergänzen sich gegenseitig: Der Skill selbst hat keine eigenen Rechte; er übersetzt lediglich Ihre Worte in CLI-Aufrufe, die als Sie ausgeführt werden:

​
vs. dem In-Dashboard-KI-Assistenten: ein wichtiger Unterschied

Dies sind zwei verschiedene Tools mit sehr unterschiedlichem Wirkungsradius:
  • Der In-Dashboard-KI-Assistent (KI-Assistent) ist ein im Dashboard eingebetteter Chat, der vom Agenten-Dienst unterstützt wird. Er ist lesend plus genehmigungspflichtig beim Erstellen: Er kann gespeicherte Abfragen und Dashboards entwerfen, aber jeder Schreibvorgang pausiert für Ihre ausdrückliche Klickgenehmigung, und er löscht nie. Er ist durch die Berechtigung agent:use geschützt und sieht immer nur Daten für die Organisation, die Sie gerade ansehen.
  • Der CLI Skill läuft auf Ihrer Workstation innerhalb Ihres Coding-Agenten und steuert die agenteye CLI als Sie. Er kann die gesamte CLI-Oberfläche nutzen, einschließlich Mutationen (API-Schlüssel erstellen/rotieren/deaktivieren, Org-Einstellungen ändern, Incidents auflösen, gespeicherte Abfragen löschen) – begrenzt nur durch die Berechtigungen Ihres CLI-Logins. Gehen Sie damit genauso sorgfältig um, wie Sie diese Befehle manuell eingeben würden.

​
Voraussetzungen

  1. Die agenteye CLI ist installiert und im PATH (siehe CLI-Referenz: pipx install agenteye).
  2. Ihre Dashboard-URL ist gesetzt (AGENTEYE_DASHBOARD_URL, oder der Agent übergibt --base-url).
  3. Eine eingeloggte Sitzung: Führen Sie agenteye login selbst zuerst aus. Der Skill kann den per E-Mail versendeten Einmalcode-Login nicht für Sie abschließen; er wird Sie auffordern, agenteye login auszuführen, wenn die Sitzung fehlt oder abgelaufen ist (CLI-Exit-Code 4).

​
Wo Sie ihn bekommen

Der Skill ist in Failproof AIs öffentlicher Skills-Sammlung veröffentlicht: github.com/FailproofAI/skills → skills/agenteye-cli/ Nichts daran ist gesperrt – das Repository ist öffentlich, und der Skill benötigt keine eigenen Anmeldeinformationen, da er nur die öffentliche agenteye CLI gegen Ihr Dashboard treibt und dabei die Sitzung verwendet, mit der Sie eingeloggt sind. Sie müssen niemanden darum bitten. Beachten Sie, dass er als eigener Ordner ausgeliefert wird und nicht im pipx install agenteye-Paket enthalten ist – suchen Sie dort also nicht danach.

​
Den Skill installieren

Der schnellste Weg ist die skills CLI, die den Ordner holt und dort ablegt, wo Ihr Agent sucht:
Verwalten Sie ihn dann wie jeden anderen Skill:
Möchten Sie lieber manuell installieren? Ein Agent Skill ist nur ein Ordner mit einer SKILL.md (plus optionalen Referenzen), daher funktioniert auch das Kopieren:
  • Claude Code: Legen Sie den Ordner agenteye-cli/ in ~/.claude/skills/ (jedes Projekt) oder <your-repo>/.claude/skills/ (nur dieses Repository). Claude Code erkennt ihn automatisch – überprüfen Sie es mit der /skills-Liste oder stellen Sie einfach eine Frage, die zu seiner Beschreibung passt.
  • Codex (OpenAI): Codex liest dieselbe SKILL.md. Das enthaltene agents/openai.yaml setzt allow_implicit_invocation: true, sodass Codex den Skill automatisch auswählt, wenn eine Aufgabe passt; andernfalls rufen Sie ihn explizit als $agenteye-cli auf.

​
Sicherheit: Mutationen zeigen KEINE Bestätigungsabfrage, wenn ein Agent die CLI ausführt

Warnung: Lesen Sie dies, bevor Sie einen Agenten Änderungen vornehmen lassen.
Die agenteye CLI fragt normalerweise „Sind Sie sicher?” vor einer destruktiven Aktion. Sie überspringt diese Bestätigung automatisch, wenn sie nicht an ein Terminal angehängt ist (was genau der Fall ist, wenn ein Coding-Agent sie ausführt), und --json überspringt sie ebenfalls. Die Sicherheitsabfrage wird für den Agenten daher nicht ausgelöst. Der Skill ist so geschrieben, dass er dies ausgleicht: Er ist angewiesen, den genauen Befehl anzugeben, den er ausführen wird, und Ihre ausdrückliche Zustimmung vor jeder Zustandsänderung einzuholen. Halten Sie diese Disziplin aufrecht. Wenn Sie Failproof AI Observability über einen Agenten steuern, sind Sie der Bestätigungsschritt. Die zustandsändernden Befehle, auf die Sie achten sollten:
  • keys create / update / disable / regenerate
  • users create / update / disable / enable
  • settings set
  • alerts create / update / delete / test
  • die schreibenden incidents-Unterbefehle: ack / assign / resolve / open / comment-add / comment-delete / subscribe / unsubscribe
  • query create / update / delete
  • agent rename / delete
  • orgs switch
Alles unter Observe (events, sessions, evals, errors, list, whoami, orgs list/current/perms) ist schreibgeschützt und ändert nichts. Da der Agent als Sie agiert, kann er nur das tun, was Ihr Login erlaubt; Berechtigungen werden pro Org aufgelöst (siehe API-Schlüssel). Ein Befehl, für den Sie keine Berechtigung haben, gibt Exit-Code 5 mit dem genauen Berechtigungsnamen zurück, sodass der Agent Ihnen genau sagen kann, was Sie einen Administrator fragen müssen, anstatt undurchsichtig zu scheitern.

​
Was Sie fragen können

So sieht ein echter Ablauf aus – zuerst eine Leseanfrage, dann eine Änderung, die auf Ihre Zustimmung wartet:
Der Skill ordnet jede natürlichsprachige Absicht dem richtigen agenteye-Befehl zu, ermittelt dabei zuerst gültige Werte (list <kind>, whoami), rät nicht und gibt den genauen Befehl vor jeder Änderung an. Weitere Beispiele:
  • „Ist irgendetwas kaputt / fehlgeschlagen in den letzten 24 Stunden?” → errors --since 24h --aggregate, dann eine Aufschlüsselung.
  • „Warum ist Sitzung run-001 fehlgeschlagen?” → events --session-id run-001 --all + evals --session-id run-001.
  • „Wie entwickelt sich die Qualität diese Woche?” → evals --aggregate --since 7d, dann Drilldown in schlecht bewertete Läufe.
  • „Gib CI einen Schlüssel, der nur Events pushen kann.” → keys create ci --add events:add (der Befehl wird angegeben, dann erstellt und das einmalige Secret erfasst).
  • „Wer hat Zugriff? Mache Dana schreibgeschützt.” → users list → users update dana@… --permission-set read-only (nach Ihrer Bestätigung).
  • „Bestätige den ausgelösten Incident und weise ihn mir zu.” → incidents list --state firing → incidents ack <id> / incidents assign <id> you@….
Die genauen Befehle, Flags und JSON-Strukturen hinter diesen Beispielen finden Sie in der CLI-Referenz und den CLI-Rezepten für Agenten.

​
Nächste Schritte

  • CLI: vollständige Befehls- und Flag-Referenz für agenteye.
  • CLI-Rezepte für Agenten: Copy-paste-jq-Muster und Exit-Code-Behandlung.
  • Evaluator Agent Skill: der verwandte Skill zum Aufbau des Evaluators, dessen Scores agenteye evals liest.
  • Python SDK Agent Skill: der verwandte Skill zum Instrumentieren eines Agenten, damit er die Telemetrie aussendet, die agenteye liest.
  • KI-Assistent: der In-Dashboard-Assistent (nicht mit diesem Terminal-Skill zu verwechseln).
  • API-Schlüssel: das Berechtigungsmodell pro Org, das den Wirkungsbereich des Skills begrenzt.