代理工作流可视化与API网关
摘要
正在构建一个用于代理AI工作流的开源API网关,提供多LLM和工具调用的可视化,跟踪令牌、成本和延迟,无需代码插桩。采用Rust和Go服务器配合Python关联器,寻求AI运维用户的合作与反馈。
我正在构建一个用于代理的API网关,使其能够实现代理AI代码的模型和提供商无关。同时,我将多个LLM调用和工具调用的代理运行分组到可视化组件中,提供令牌、成本和模型延迟的详细信息。我无需在代理代码中进行任何插桩即可实现这一点。代理(目前为Python)由Rust关联器启动,该关联器为每个代理分配一个job\_id,以便我们能够追踪整个代理运行过程中的API和工具调用(从HTTP请求和响应推断)。服务器同样使用Rust。此外,我还有另一种实现方式,即使用Python和其他平台适配器替代Rust关联器完成相同工作,服务器则使用Go。我非常希望听到来自AI运维领域的用户(如使用litellm和Helicone等工具的用户)的意见,他们可以提供反馈或复杂用例。我计划将所有内容开源,因此也在寻找合作者。
相似文章
智能体工作流可视化工具:反馈与修正
介绍了一款用于可视化AI智能体工作流的工具,支持多种智能体框架,包括Langgraph、CrewAI、AutoGen、Google ADK和OpenAI Agents SDK。创作者正在寻求社区的反馈与修正。
Agentic AI 工作流的架构影响
本文首次对智能体 AI 工作流进行架构特征分析,揭示了碎片化、异构化的执行模式与常规服务器设计不匹配的问题,并介绍了一个名为 Agora 的原型服务器以提高 CPU/GPU 利用率和吞吐量。
我们为AI智能体构建了一个统一API网关——经验教训
我们为AI智能体构建了一个统一API网关,通过单个兼容OpenAI的端点支持Claude、GPT、Codex、Gemini等多种模型。它简化了构建AI智能体和SaaS产品的开发者的集成、计费和部署流程。
设计值得信赖的多智能体工作流
一个小团队发布了“guilds”,这是一个用于设计可信赖的多智能体 AI 工作流的开源框架,以有限自主性、可观测性和可共享的工作流配方为核心原则。
@AlphaSignalAI: https://x.com/AlphaSignalAI/status/2072786187962425817
本指南区分了AI中的工作流和智能体,通过一个编码智能体示例分解了从模型到系统的智能体AI堆栈,说明了循环和层次结构。