AI Agents · Leçon

Journaliser les appels d’outils et les entrées/sorties

Sachez quoi enregistrer à chaque étape : nom de l’outil, arguments d’entrée, sortie, latence, erreur et identifiant de l’étendue parente.

Leçon 2 sur 413 étapes

Journaliser les appels d’outils et les entrées/sorties est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Que journaliser pour chaque étape

Pour chaque span, capturez :

  • Nom de l’étape (appel_LLM, appel_d’outil, récupération)
  • Entrées (messages, arguments de l’outil, query)
  • Sorties (réponse, résultat de l’outil)
  • Métadonnées (modèle, latence, nombre de jetons, coût)
  • Informations sur l’erreur en cas d’échec

Assistant span écrit manuellement

Sans framework, un assistant minimal :

from contextlib import contextmanager
import time, uuid

@contextmanager
def span(name, trace_id, parent_id=None):
    span_id = str(uuid.uuid4())
    start = time.time()
    record = {'trace_id': trace_id, 'span_id': span_id, 'parent_id': parent_id, 'name': name, 'start': start}
    try:
        yield record
    except Exception as e:
        record['error'] = str(e)
        raise
    finally:
        record['duration_ms'] = (time.time() - start) * 1000
        save_span(record)

Using It

trace_id = str(uuid.uuid4())
with span('llm_call_planner', trace_id) as s:
    s['model'] = 'gpt-4o-mini'
    s['messages_in'] = messages
    response = client.chat.completions.create(model='gpt-4o-mini', messages=messages)
    s['response'] = response.choices[0].message.content
    s['tokens_in'] = response.usage.prompt_tokens
    s['tokens_out'] = response.usage.completion_tokens

Imbrication des span

Transmettez l’identifiant parent afin que les span forment un arbre :

with span('agent_step', trace_id) as parent:
    with span('llm_call', trace_id, parent_id=parent['span_id']):
        ...
    with span('tool_call:search', trace_id, parent_id=parent['span_id']):
        ...

Journalisation des appels d’outils

Pour les appels d’outils en particulier, journalisez :

  • Nom de l’outil
  • Arguments (JSON)
  • Résultat (JSON, éventuellement tronqué)
  • Latence
  • Erreur, le cas échéant

Tronquer les grandes charges utiles

Certains résultats d’outils sont énormes (HTML de 200 Ko). Tronquez-les avant de les stocker :

def safe_payload(obj, max_chars=8000):
    s = json.dumps(obj)
    return s if len(s) <= max_chars else s[:max_chars] + '...[truncated]'

Masquage des PII

Supprimez les informations personnelles avant le stockage :

import re
EMAIL_RE = re.compile(r'[\w\.-]+@[\w\.-]+')

def redact(text):
    return EMAIL_RE.sub('[email]', text)

print(redact("Contact me at alice@example.com for details."))

Sortie de journaux structurés

Émettez un enregistrement JSON par span — acheminez-les vers ELK, Loki, Datadog ou BigQuery :

import json
import sys

def save_span(record):
    print(json.dumps(record), file=sys.stderr, flush=True)

demo_record = {'span': 'call_llm', 'duration_ms': 120, 'ok': True}
save_span(demo_record)
print("Logged span:", json.dumps(demo_record))

Associer aux sessions utilisateur

Incluez un session_id et un user_id dans chaque span afin de pouvoir ensuite filtrer les traces par utilisateur.

Échantillonnage

Pour les agents à fort volume, échantillonnez :

import random

def should_trace(user_id):
    return random.random() < 0.10  # 10% of traces
# Always trace errors and slow runs.

random.seed(42)
sampled = sum(should_trace(i) for i in range(1000))
print(f"Traced {sampled} out of 1000 calls (~10% target)")

Rejouer à partir des traces

Enregistrez toutes les entrées (messages, outils, arguments) afin de pouvoir réexécuter une trace avec un nouveau prompt et tester les améliorations. C’est le fondement du développement piloté par l’évaluation.

Faut-il tronquer les charges utiles volumineuses ?

Pourquoi tronquer les sorties volumineuses des outils dans les journaux ?

Récapitulatif

Chaque étape, chaque entrée, chaque sortie — structurées, imbriquées, échantillonnées. Voilà la matière première de tout le reste de l’observabilité.

Gratuit pour commencer

Apprends AI Agents avec un tuteur IA — gratuit

Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.

Cours
60
Leçons
239

Questions Fréquemment Posées

La leçon « Journaliser les appels d’outils et les entrées/sorties » est-elle gratuite ?

Oui — le texte complet de « Journaliser les appels d’outils et les entrées/sorties » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Journaliser les appels d’outils et les entrées/sorties » ?

Sachez quoi enregistrer à chaque étape : nom de l’outil, arguments d’entrée, sortie, latence, erreur et identifiant de l’étendue parente. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer AI Agents ?

Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.

Combien de temps prend la leçon « Journaliser les appels d’outils et les entrées/sorties » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?

Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Pourquoi le traçage est nécessaire pour les agents
  2. Journaliser les appels d’outils et les entrées/sorties
  3. Latence et coût par étape
  4. Visualiser les exécutions d’agents (Langfuse, LangSmith)
← Retour à AI Agents