lmnr

Laminar est une plateforme d'observabilité open source conçue spécifiquement pour les agents IA. Elle est développée par Laminar AI (Y Combinator S24) et peut être utilisée soit via un service cloud managé, soit en auto-hébergement. Capacités principales décrites dans le README : - Traçage : un SDK de traçage natif OpenTelemetry qui peut instrumenter automatiquement des frameworks et fournisseurs tels que Vercel AI SDK, Browser Use, Stagehand, LangChain, OpenAI, Anthropic et Gemini avec une seule ligne de code. Des bibliothèques clientes existent pour TypeScript (npm @lmnr-ai/lmnr) et Python (PyPI lmnr). - Signaux : les utilisateurs décrivent les comportements des agents en langage naturel (par exemple, un agent bloqué dans une boucle), et Laminar évalue les exécutions d'agents et envoie des notifications Slack lorsque le comportement se produit. - Évaluations : un SDK extensible et une CLI pour exécuter des évaluations localement ou dans des pipelines CI/CD, ainsi qu'une interface pour visualiser et comparer les résultats. - Accès MCP et CLI : les agents de codage peuvent interroger les traces, spans, métriques et événements avec SQL, et investiguer ou déboguer les problèmes à partir des données de trace. - Tableaux de bord : un constructeur de tableaux de bord pour les traces, métriques et événements avec prise en charge de requêtes SQL personnalisées. - Annotation de données et jeux de données : une interface de rendu de données personnalisée pour l'annotation et la création de jeux de données utilisés dans les évaluations. Notes sur les performances et l'architecture : la plateforme est écrite en Rust, revendique une compression des traces 20x pour l'ingestion et le stockage, inclut un moteur temps réel personnalisé pour visualiser les traces au fur et à mesure, une recherche en texte intégral sur les données de span, et un exportateur gRPC pour les données de traçage. Auto-hébergement : la configuration locale la plus rapide consiste à cloner le dépôt et à exécuter `docker compose up -d`, ce qui démarre une pile légère mais complète accessible à l'adresse http://localhost:5667. Un fichier compose orienté production (docker-compose-full.yml) est également fourni. Le README documente la mise à niveau des installations existantes, notamment la recréation du conteneur ClickHouse et la troncature des tables de journal système désactivées pour récupérer de l'espace disque. Configuration : les paramètres optionnels de fournisseur LLM prennent en charge Gemini, OpenAI (ou des passerelles compatibles OpenAI telles que LiteLLM, OpenRouter, vLLM), AWS Bedrock et Azure AI Foundry, avec des remplacements optionnels de taille de modèle et des en-têtes statiques. Un schéma Postgres personnalisé peut être configuré via POSTGRES_SCHEMA pour les déploiements de bases de données partagées. Les déploiements auto-hébergés collectent des données de télémétrie d'usage anonymisées, qui peuvent être désactivées avec LAMINAR_TELEMETRY_DISABLED=true. Des exemples de démarrage rapide sont fournis pour TypeScript (Laminar.initialize plus un wrapper observe) et Python (Laminar.initialize plus un décorateur @observe) afin de tracer les appels LLM et les entrées/sorties de fonctions.