Python sdk skill

​

title: “Failproof AI Observability Python SDK Agent Skill” description: “מעבר מסוכן שלא מכיל instrumentationליוצרי אירועים שבהם אתה יכול לראות, כאשר סוכן הקידוד שלך מוצא את נקודות ה-instrumentation, כותב אותן, ומוכיח שהן הגיעו.”

​

Instrumentation קל לכתיבה וקל להשגיאה בשקט

​

מה הוא עושה, לפי הסדר

1. Plan. הוא קורא את לולאת הסוכן שלך ושואל שתי שאלות שרק אתה יכול לענות: מה נחשב לריצה אחת (session_id שלך), ומיהם השחקנים הבחינים (agent_id שלך). הוא מקבל את ההסכמה לפני כתיבת קוד, כי שינוי אותם מאוחר יותר חותך את ההיסטוריה שלך ושובר את התמיהות.
2. Write. הוא קושר זהות פעם אחת לכל ריצה ולא מעבירה דרך כל אתר קריאה, והוא בוחר צורה בטוחה לחוזקות — פרט שחשוב, כי הדרך המקוצרת הברורה מערבבת בשקט שתי ריצות חופפות לסשן אחד.
3. Verify. הוא מריץ את הסוכן שלך וקורא את קבצי האירועים שנוצרו, בודק ש-agent_start קיים, הסביבה נכונה, וריצה אחת הפיקה סשן אחד.

​

איך זה קשור לטכנולוגיות האחרות

​

דרישות מקדימות

1. Python 3.10+ ובסיס הקוד של הסוכן שאתה רוצה לעבודת את המכשיר.
2. ה-SDK. הוא מופץ ללקוחות כ wheel פרטי ולא מאינדקס ציבורי — ה-onboarding שלך מכסה כיצד להשיג אותו ולהתקין אותו. ה-skill יודע את נתיב ההתקנה ויבקש ממך במקום לנחש אם הוא לא יכול למצוא אותו.
3. כום דבר אחר. אין כניסה לדאשבורד, אין API key, אין רשת. ה-skill מאמת לעומת קבצי האירועים שה-SDK כותב, כך שהוא יכול לסיים ולהוכיח את עבודתו offline.

​

איפה להשיגו

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

​

התקנתו ביד

• Claude Code: העתק את תיקיית agenteye-python-sdk/ ל-~/.claude/skills/ (כל פרויקט) או <your-repo>/.claude/skills/ (רק המאגר הזה). Claude Code מגלה אותה באופן אוטומטי — בדוק את רשימת /skills, או פשוט שאל משהו שמתאים אליה.
• Codex: Codex קורא את אותו SKILL.md. ה-agents/openai.yaml המלווה מגדיר allow_implicit_invocation: true, כך שהוא נבחר אוטומטי כאשר משימה תואמת; אחרת קרא אליו כ-$agenteye-python-sdk.

​

איך session נראה

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?

​

מה אתה יכול לבקש ממנו

• “Why isn’t my agent showing up on the dashboard?” → הולך בסולם: אם אירועים נכתבים, אם agent_start שם, אם הסביבה נכונה, אם הקלט קורא באותו מקום.
• “Everything’s landing under dev.” → הסביבה לא הוגדרה, או אופסה על ידי קריאה מאוחרת יותר.
• “Add token tracking.” → מוצא את עטיפת ה-LLM שלך ורושם modularizer, stop reason, ו-usage.
• “Instrument the sub-agents too.” → סשן אחד, תוויות סוכן ברורות, קן תחת הורם.
• “Write tests for the instrumentation.” → מפנה את ה-SDK לתיקייה זמנית וטוען על האירועים שהוא כתב.

​

מה להביט

​

שלבים הבאים

• Python SDK: ה-event reference השלם — כל סוג אירוע ושדה — מאחורי מה ה-skill הזה אוטומטי.
• Sessions: מה ה-instrumentation שלך מייצר כאשר אירועים מגיעים.
• Evaluator Agent Skill: השלב הבא כאשר ריצות מגיעות — ניקודן.
• CLI Agent Skill: קריאת ה-telemetry שלך חזרה.