الانتقال إلى المحتوى الرئيسي

دمج Langfuse مع CrewAI

يوضح هذا الدفتر كيفية دمج Langfuse مع CrewAI باستخدام OpenTelemetry عبر حزمة OpenLit SDK. بنهاية هذا الدفتر، ستتمكن من تتبع تطبيقات CrewAI مع Langfuse لتحسين المراقبة والتصحيح.
ما هو Langfuse؟ Langfuse هو منصة هندسة LLM مفتوحة المصدر. توفر قدرات التتبع والمراقبة لتطبيقات LLM، مما يساعد المطورين على التصحيح والتحليل والتحسين. يتكامل Langfuse مع أدوات وأطر عمل متنوعة عبر تكاملات أصلية وOpenTelemetry وواجهات API/SDKs.
فيديو نظرة عامة على Langfuse

البدء

سنمر عبر مثال بسيط لاستخدام CrewAI ودمجه مع Langfuse عبر OpenTelemetry باستخدام OpenLit.

الخطوة 1: تثبيت الاعتماديات

الخطوة 2: إعداد متغيرات البيئة

عيّن مفاتيح API لـ Langfuse وإعدادات تصدير OpenTelemetry لإرسال التتبعات إلى Langfuse. يرجى الرجوع إلى وثائق Langfuse OpenTelemetry لمزيد من المعلومات.
مع تعيين متغيرات البيئة، يمكننا الآن تهيئة عميل Langfuse. تهيئ get_client() عميل Langfuse باستخدام بيانات الاعتماد المقدمة في متغيرات البيئة.

الخطوة 3: تهيئة OpenLit

قم بتهيئة OpenLit OpenTelemetry instrumentation SDK لبدء التقاط تتبعات OpenTelemetry.

الخطوة 4: إنشاء تطبيق CrewAI بسيط

سننشئ تطبيق CrewAI بسيط حيث يتعاون عدة وكلاء للإجابة على سؤال المستخدم.

الخطوة 5: عرض التتبعات في Langfuse

بعد تشغيل الوكيل، يمكنك عرض التتبعات المولدة من تطبيق CrewAI في Langfuse. سترى خطوات مفصلة لتفاعلات LLM، مما يساعدك في التصحيح والتحسين. مثال تتبع CrewAI في Langfuse مثال تتبع عام في Langfuse

المراجع