Skill de Agente do Python SDK de Observabilidade do Failproof AI

​

A instrumentação é fácil de escrever e fácil de errar silenciosamente

​

O que ela faz, em ordem

1. Planejar. Lê o loop do seu agente e faz as duas perguntas que só você pode responder: o que conta como uma execução (seu session_id) e quem são os atores distinguíveis (seu agent_id). Isso é acordado antes de escrever qualquer código, porque mudá-los depois divide seu histórico e quebra as tendências.
2. Implementar. Vincula a identidade uma vez por execução em vez de passá-la por todos os pontos de chamada, e escolhe uma forma segura para concorrência — um detalhe importante, porque o atalho óbvio mistura silenciosamente duas execuções sobrepostas em uma única sessão.
3. Verificar. Executa o agente e lê os arquivos de eventos resultantes, verificando que agent_start está presente, que o ambiente está correto e que uma execução produziu uma sessão.

​

Como ela se relaciona com as outras skills

​

Pré-requisitos

1. Python 3.10+ e o código-base do agente que você quer instrumentar.
2. O SDK. Ele é distribuído aos clientes como um wheel privado, e não de um índice público — seu onboarding cobre como obtê-lo e instalá-lo. A skill conhece o caminho de instalação e perguntará a você em vez de adivinhar caso não o encontre.
3. Nada mais. Sem login no dashboard, sem chave de API, sem rede. A skill verifica os arquivos de eventos que o SDK grava, então pode concluir e comprovar seu trabalho offline.

​

Onde obter

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

​

Instalação manual

• Claude Code: copie a pasta agenteye-python-sdk/ para ~/.claude/skills/ (todos os projetos) ou <seu-repo>/.claude/skills/ (apenas aquele repositório). Claude Code a descobre automaticamente — verifique na lista /skills ou simplesmente pergunte algo que corresponda a ela.
• Codex: o Codex lê o mesmo SKILL.md. O arquivo agents/openai.yaml incluso define allow_implicit_invocation: true, então ela é selecionada automaticamente quando uma tarefa corresponde; caso contrário, invoque-a como $agenteye-python-sdk.

​

Como é uma sessão

você  ▸ Adicione Observabilidade do Failproof AI a este agente.

agente▸ Li seu loop — um despachante de ferramentas em tools.py, um
        wrapper Anthropic em llm.py. Duas perguntas antes de escrever
        qualquer coisa.

        O que conta como uma execução? Você lida com requisições de forma
        concorrente, então eu usaria o id de requisição que você já tem em
        ctx.request_id — assim uma sessão aqui e uma requisição nos seus
        logs são a mesma string.

        E quem são os atores? Vejo um caminho de planejamento e um de
        pesquisa. Rotulá-los separadamente, ou é um único agente para você?

você  ▸ O id de requisição está certo. É um único agente, chame de "assistant".

agente▸ Pronto. Envolvi o despachante e o cliente LLM; agent_start e
        agent_end cercam handle_request, incluindo o caminho de erro.
        Usei um context-local para identidade — seu despachante executa
        ferramentas em um thread pool, e a abordagem mais simples teria
        misturado execuções concorrentes em uma sessão sem reclamar.

        Verificado em uma execução real: 11 eventos em 4 arquivos —
        agent_start, model_request/response, tool_use/tool_result x3,
        agent_end (outcome=success). environment=production, uma sessão
        por requisição, durações pareadas.

        Uma coisa que NÃO fiz: seu worker pool em batch.py submete
        diretamente ao executor, então eventos de lá seriam descartados.
        Quer que eu corrija esses também?

​

O que você pode pedir

• “Por que meu agente não está aparecendo no dashboard?” → percorre a escada: os eventos estão sendo gravados, agent_start está lá, o ambiente está correto, o coletor está lendo o mesmo lugar.
• “Tudo está chegando como dev.” → o ambiente nunca foi definido ou foi redefinido por uma chamada posterior.
• “Adicionar rastreamento de tokens.” → encontra o wrapper do seu LLM e registra modelo, motivo de parada e uso.
• “Instrumentar os sub-agentes também.” → uma sessão, rótulos de agentes distintos, aninhados sob o pai.
• “Escrever testes para a instrumentação.” → aponta o SDK para um diretório temporário e faz asserções nos eventos gravados.

​

O que observar

​

Próximos passos

• Python SDK: a referência completa de eventos — cada tipo de evento e campo — por trás do que esta skill automatiza.
• Sessions: o que sua instrumentação produz quando os eventos chegam.
• Evaluator Agent Skill: o próximo passo quando as execuções estão chegando — pontuá-las.
• CLI Agent Skill: lendo sua telemetria de volta.