0Pricing
AI Agents · Lezione

Perché il tracing è necessario per gli agenti

Gli agenti eseguono più chiamate LLM e chiamate agli strumenti per ogni richiesta: senza trace si procede alla cieca.

Perché il tracing è necessario per gli agenti è una lezione AI Agents gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento AI Agents, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso AI Agents include 4 lezioni in totale.

Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.

Gli agenti sono difficili da sottoporre a debug

Un singolo messaggio dell'utente può attivare 10 chiamate LLM, 5 chiamate agli strumenti e 30 secondi di latenza. Quando qualcosa va storto, dire "l'agente ha dato una risposta strana" non fornisce alcuna informazione.

Il tracing permette di vedere che cosa è realmente accaduto.

Che cosa registra un trace

Per una richiesta dell'utente:

  • Ogni chiamata LLM: modello, messaggi in ingresso, risposta in uscita, token e latenza
  • Ogni chiamata a uno strumento: nome, argomenti, risultato ed errore
  • L'ordine e la tempistica di tutti i passaggi
  • La risposta finale visibile all'utente

I log non bastano

I log semplici (istruzioni print) perdono la struttura di un trace: non può capire quale chiamata LLM appartenga a quale richiesta dell'utente né come i passaggi si dispongano in un albero.

Gli strumenti di tracing strutturato risolvono questo problema.

Span e trace

Terminologia derivata da OpenTelemetry:

  • Trace — l'intera esecuzione dell'agente (una richiesta dell'utente)
  • Span — un singolo passaggio all'interno del trace (chiamata LLM, chiamata a uno strumento, retrieval)
  • Gli span hanno elementi padre e formano un albero

A Concrete Trace Tree

Trace: user asks 'What is our return policy?'
|-- Span: retrieve_docs (12 ms)
|-- Span: llm_call_planner (820 ms)
|   |-- tool_call: search_kb
|-- Span: tool_call: search_kb (340 ms)
|-- Span: llm_call_synthesise (1100 ms)
Total: 2.3 s, 8400 tokens, $0.012

Perché il tracing è migliore dei log

  • La struttura ad albero mostra le relazioni tra elementi padre e figli
  • Il diagramma temporale waterfall rivela i passaggi lenti
  • Token e costi vengono aggregati per trace
  • Replay: riesegua un trace con un nuovo prompt per testare le modifiche

Quando aggiungere il tracing

Fin dal primo giorno. Il tracing durante lo sviluppo porta alla luce bug che non noterebbe con il debug basato solo sulla chat. Aggiungerlo dopo un incidente in produzione è troppo tardi.

Privacy e tracing

I trace contengono dati degli utenti. Li tratti come i log:

  • Mascheri i dati PII prima di esportarli
  • Li cripti quando sono archiviati
  • Rispetti le policy di conservazione

Tracing ed eval

Tracing = "che cosa è successo in questa singola esecuzione". Eval = "quanto bene si comporta l'agente su un set di test". Servono entrambi, ma prima viene il tracing: non può valutare ciò che non può ispezionare.

Costo del tracing

Il tracing aggiunge un overhead di latenza dell'1-2% e aumenta lo spazio di archiviazione. Per gli agenti molto loquaci, campioni (ad esempio, il 10% dei trace completamente e il 100% degli errori) invece di acquisire tutto.

Strumentazione manuale e automatica

Alcuni framework (LangChain, LlamaIndex) eseguono la strumentazione automatica: ottiene i trace senza lavoro aggiuntivo. Nel codice personalizzato, racchiuda le chiamate LLM e agli strumenti in apposite funzioni helper per gli span.

ID dei trace negli errori visibili all'utente

Quando l'agente non riesce, restituisca all'utente un ID del trace:

"Si è verificato un errore. ID di riferimento: trace-9c4a... Mostri questo ID all'assistenza."

L'assistenza può aprire il trace e vedere esattamente che cosa è successo.

Perché usare il tracing?

Perché il tracing strutturato è migliore dei semplici log con print per gli agenti?

Riepilogo

Il tracing è indispensabile. Lo integri fin dal primo giorno. Le prossime lezioni illustrano che cosa registrare e quali strumenti utilizzare.

Domande Frequenti

La lezione «Perché il tracing è necessario per gli agenti» è gratuita?

Sì — il testo completo di «Perché il tracing è necessario per gli agenti» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso AI Agents, passa a CoddyKit PRO. Il corso AI Agents include 4 lezioni in totale.

Cosa imparerò in «Perché il tracing è necessario per gli agenti»?

Gli agenti eseguono più chiamate LLM e chiamate agli strumenti per ogni richiesta: senza trace si procede alla cieca. Eserciti AI Agents con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.

Ho bisogno di esperienza per iniziare AI Agents?

Non è richiesta alcuna esperienza precedente. AI Agents su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.

Quanto tempo richiede la lezione «Perché il tracing è necessario per gli agenti»?

La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.

Posso scrivere ed eseguire codice in questa lezione AI Agents?

Sì. Ogni lezione AI Agents include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.

Tutte le lezioni di questo corso

  1. Perché il tracing è necessario per gli agenti
  2. Registrare chiamate agli strumenti e input/output
  3. Latenza e costi per passaggio
  4. Visualizzare le esecuzioni degli agenti (Langfuse, LangSmith)
← Torna a AI Agents