Python sdk skill

​

title: “Python SDK Agent Skill של Failproof AI Observability” description: “עברו מ-agent ללא instrumentation לאירועים שתוכלו לראות, כאשר coding agent שלכם מוצא את נקודות ה-instrumentation, כותב אותן ומוכיח שהן הועברו בהצלחה.”

​

Instrumentation קל לכתיבה וקל להשתבש בשקט

​

מה היא עושה, בסדר

1. Plan. היא קוראת את ה-agent loop שלכם ושואלת שתי שאלות שרק אתם יכולים לענות עליהן: מה נחשב כ-run אחד (ה-session_id שלכם), ומי הגורמים המובחנים (ה-agent_id שלכם). היא מקבלת את ההסכמה לפני כתיבת קוד, כי שינוי שלהם מאוחר יותר מפצל את ההיסטוריה שלכם ושובר את המגמות.
2. Write. היא קשרת identity פעם אחת ל-run במקום להעביר אותו דרך כל callsite, והיא בוחרת צורה בטוחה לconcurrency — פרט שחשוב, כי הדרך הקצרה הברורה מערבבת בשקט שני runs חופפים ל-session אחד.
3. Verify. היא מריצה את ה-agent שלכם וקוראת את קובצי האירוע שנוצרו, בודקת ש-agent_start קיים, ש-environment נכון, וש-run אחד ייצר session אחד.

​

איך זה קשור לשאר ה-skills

​

דרישות מוקדמות

1. Python 3.10+ וחזן ה-agent שתרצו לinstrument.
2. ה-SDK. הוא מופץ ללקוחות כ-private wheel ולא מindex ציבורי — ה-onboarding שלכם מכסה איך להשיג אותו והתקן אותו. ה-skill יודעת את נתיב ההתקנה ותשאל אתכם במקום לנחש אם היא לא יכולה למצוא אותו.
3. כלום אחר. אין dashboard login, אין API key, אין רשת. ה-skill מאמתת מול קובצי האירוע שה-SDK כותב, כך שהיא יכולה לסיים ולהוכיח את עבודתה offline.

​

היכן להשיג אותה

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

​

התקנה ידנית

• Claude Code: העתיקו את התיקייה agenteye-python-sdk/ ל-~/.claude/skills/ (כל פרויקט) או ל-<your-repo>/.claude/skills/ (רק הריפו הזה). Claude Code גילתה אותה באופן אוטומטי — בדוקו את רשימת /skills, או פשוט שאלו משהו שתואם אותה.
• Codex: Codex קוראה את אותו SKILL.md. ה-agents/openai.yaml המאוחסן מגדיר allow_implicit_invocation: true, אז היא נבחרת באופן אוטומטי כשמשימה תואמת; אחרת הפעילו אותה 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 אתם יכולים לשאול אותה

• “Why isn’t my agent showing up on the dashboard?” → הולכת בסולם: האם אירועים נכתבים, האם agent_start שם, האם environment נכון, האם ה-collector קוראה באותו מקום.
• “Everything’s landing under dev.” → ה-environment מעולם לא הוגדר, או הוגדר מחדש על ידי קריאה מאוחרת יותר.
• “Add token tracking.” → מוצאת את LLM wrapper שלכם ורושמת model, stop reason, ו-usage.
• “Instrument the sub-agents too.” → session אחד, תוויות agent מובחנות, קינון תחת ההורה שלהם.
• “Write tests for the instrumentation.” → מעניקה ל-SDK ספריית ארעית וטוענת על האירועים שהיא כתבה.

​

מה יש לשים לב אליו

​

שלבים הבאים

• Python SDK: ה-event reference השלם — כל סוג אירוע ושדה — מאחורי מה שה-skill זו מאטומטית.
• Sessions: מה ה-instrumentation שלכם ייצור כאשר אירועים יעברו בהצלחה.
• Evaluator Agent Skill: השלב הבא ברגע ש-runs מעברים בהצלחה — דירוגם.
• CLI Agent Skill: קריאת ה-telemetry שלכם חזרה.