追蹤 agent 執行
將 agent 執行記錄為可讀的 trace 與時間軸,顯示輸入、LLM 推理、工具呼叫與子 agent。這有助於團隊在不必逐行查看原始日誌的情況下檢視發生了什麼。
Laminar 是一款開源 AI agents 可觀測性平台,協助團隊追蹤執行、偵測失敗並進行評估,也支援除錯流程、Slack 通知與自架部署。
Laminar 是一款開源的 AI agents 可觀測性平台。它的設計目的是追蹤 agent 行為、評估變更,並幫助團隊找出某次執行出問題的精確步驟。
首頁將產品聚焦於三種工作流程:透過 Signals 捕捉失敗、透過可讀的逐字稿與時間軸檢視執行內容,以及把重複出現的問題轉化為評估。網站也描述了面向開發者的功能,例如除錯器工作階段流程、CLI 與 MCP 存取、全文搜尋、SQL 查詢、儀表板,以及瀏覽器工作階段錄影。
定價頁顯示免費、Hobby、Pro 與 Enterprise 方案,公開層級涵蓋 trace 匯入、signal 使用量、保留、支援與平台功能。Laminar 也列出對多種 agent SDK 與瀏覽器 agent 工具的支援,顯示其設計是為了融入既有的 AI 應用技術堆疊。
該網站將 Laminar 定位為適合建置或營運 AI agents 的團隊,特別是需要掌握失敗狀況、可重複評估,以及能夠從問題偵測一路走到修正與回歸檢查的團隊。
將 agent 執行記錄為可讀的 trace 與時間軸,顯示輸入、LLM 推理、工具呼叫與子 agent。這有助於團隊在不必逐行查看原始日誌的情況下檢視發生了什麼。
用自然語言描述問題,讓 Signals 在各次執行中持續監看。當某次執行符合該問題時,Laminar 可傳送 Slack 通知,把重複失敗轉為告警。
將重複出現的問題分組為命名叢集並隨時間追蹤。當某個叢集不再重現時,Laminar 會將其標記為已解決;若問題再度出現,也可重新開啟。
把已修正的錯誤叢集轉為評估資料集,並在變更後執行 evals 以捕捉回歸。產品頁展示了這個流程,用來比較不同版本之間的模型或 agent 行為。
使用除錯工作階段流程執行 agent、閱讀 trace、套用修正,並以快取狀態重新執行。網站也提到這個流程可搭配 Laminar CLI 與 MCP。
當你需要了解 agent 為何在正式環境中失敗時,可使用 Laminar。trace 檢視與 Signals 工作流程有助於找出造成問題的步驟、工具呼叫或模型行為。
使用這項產品監看已知的失敗模式,例如迴圈、錯誤目錄使用或重複的命令錯誤。Signals 能跨多次執行偵測問題,並在出現時傳送 Slack 通知。
當你希望在 agent 開發中建立修正並驗證的迴圈時,可使用 Laminar。除錯工作階段流程、CLI 與 MCP 支援使用快取狀態重新執行,讓你能檢視並反覆調整變更。
將已解決的失敗轉為回歸檢查。已修正的錯誤叢集可成為 eval 資料集,協助團隊比較版本更新前後的行為差異。
當團隊需要大規模分析 trace,或將瀏覽器 agent 工作階段納入除錯與標註流程時,可使用搜尋、SQL、儀表板與瀏覽器錄影功能。
Laminar 旨在追蹤 AI agent 執行、呈現失敗並執行評估,讓團隊能隨時間除錯並改善行為。首頁也描述了用於告警的 Signals,以及針對重複問題的叢集追蹤。
產品頁指出,Laminar 會透過可瀏覽的逐字稿與時間軸,讓 agent 執行變得容易檢視,並呈現輸入、LLM 推理、工具呼叫與子 agent。它也提供可在快取狀態下重新執行 agent 的除錯流程。
定價頁列出免費方案、Hobby、Pro 與 Enterprise。Enterprise 採客製化定價,提供客製限制與內部部署,而公開方案則顯示不同的資料、信號、保留與支援層級。
網站列出與 Claude Agent SDK、OpenAI Agents SDK、Mastra、Pydantic AI、LangChain、OpenHands SDK、Browser Use、Stagehand、Playwright、Anthropic、OpenAI 與 LiteLLM 的整合與相容性。也提到 Laminar CLI 與 MCP 存取。
定價頁提到 OTLP trace 匯入、全文 trace 搜尋、自訂儀表板、SQL 存取、資料集、標記佇列、瀏覽器工作階段錄影、agent 除錯器、MCP 存取,以及 Slack 與電子郵件通知等功能。首頁也強調 Signals 的 Slack 通知。