​

مقدمة

​

الميزات

​

قدرات بوابة AI

• الوصول إلى أكثر من 350 LLM: الاتصال بجميع نماذج اللغة الرئيسية من خلال تكامل واحد
• النماذج الافتراضية: إنشاء إعدادات نماذج مخصصة مع معاملات وقواعد توجيه محددة
• MCP الافتراضي: تفعيل التوافق والتكامل مع أنظمة MCP لتعزيز اتصال الوكلاء
• حواجز الحماية: تنفيذ تدابير السلامة وضوابط الامتثال لسلوك الوكلاء

​

المراقبة والتتبع

• تتبع تلقائي: استدعاء init() واحد يلتقط جميع تفاعلات CrewAI
• رؤية شاملة: مراقبة سير عمل الوكلاء من البداية إلى النهاية
• تتبع استخدام الأدوات: تتبع الأدوات التي يستخدمها الوكلاء ونتائجها
• مراقبة استدعاءات النماذج: رؤى مفصلة لتفاعلات LLM
• تحليلات الأداء: مراقبة زمن الاستجابة واستخدام الرموز والتكاليف
• دعم التصحيح: تنفيذ خطوة بخطوة لاستكشاف الأخطاء
• المراقبة في الوقت الفعلي: لوحة معلومات التتبعات والمقاييس الحية

​

تعليمات الإعداد

pip install 'pylangdb[crewai]'

export LANGDB_API_KEY="<your_langdb_api_key>"
export LANGDB_PROJECT_ID="<your_langdb_project_id>"
export LANGDB_API_BASE_URL='https://api.us-east-1.langdb.ai'

from pylangdb.crewai import init
# Initialize LangDB
init()

from crewai import Agent, Task, Crew, LLM
import os

# Configure LLM with LangDB headers
llm = LLM(
    model="openai/gpt-4o",
    api_key=os.getenv("LANGDB_API_KEY"),
    base_url=os.getenv("LANGDB_API_BASE_URL"),
    extra_headers={"x-project-id": os.getenv("LANGDB_PROJECT_ID")}
)

​

مثال سريع للبدء

import os
from pylangdb.crewai import init
from crewai import Agent, Task, Crew, LLM

init()

def create_llm(model):
    return LLM(
        model=model,
        api_key=os.environ.get("LANGDB_API_KEY"),
        base_url=os.environ.get("LANGDB_API_BASE_URL"),
        extra_headers={"x-project-id": os.environ.get("LANGDB_PROJECT_ID")}
    )

researcher = Agent(
    role="Research Specialist",
    goal="Research topics thoroughly",
    backstory="Expert researcher with skills in finding information",
    llm=create_llm("openai/gpt-4o"),
    verbose=True
)

task = Task(
    description="Research the given topic and provide a comprehensive summary",
    agent=researcher,
    expected_output="Detailed research summary with key findings"
)

crew = Crew(agents=[researcher], tasks=[task])
result = crew.kickoff()
print(result)

​

عرض التتبعات في LangDB

​

ما ستراه

• تفاعلات الوكلاء: التدفق الكامل لمحادثات الوكلاء وتسليم المهام
• استخدام الأدوات: الأدوات التي تم استدعاؤها ومدخلاتها ومخرجاتها
• استدعاءات النماذج: تفاعلات LLM المفصلة مع المطالبات والاستجابات
• مقاييس الأداء: تتبع زمن الاستجابة واستخدام الرموز والتكاليف
• الجدول الزمني للتنفيذ: عرض خطوة بخطوة لسير العمل بالكامل

​

استكشاف الأخطاء وإصلاحها

​

المشاكل الشائعة

• عدم ظهور تتبعات: تأكد من استدعاء init() قبل أي استيرادات CrewAI
• أخطاء المصادقة: تحقق من مفتاح API ومعرف المشروع في LangDB

​

الموارد

​

الخطوات التالية

• النماذج الافتراضية: إنشاء إعدادات نماذج مخصصة مع استراتيجيات توجيه
• حواجز الحماية والسلامة: تنفيذ تصفية المحتوى وضوابط الامتثال
• النشر في الإنتاج: إعداد خطط احتياطية وإعادة المحاولة وتوازن الأحمال