«KI har snudd opp ned på hvordan programvare fungerer: det introduserer ekte ikke-determinisme i produksjon», sa Christine Yen, medgrunnlegger og CEO i Honeycomb, da selskapet lanserte sin nye agent-observabilitetspakke 12. mai. Pakken inkluderer Agent Timeline, Canvas Agent og Canvas Skills, og målet er å fjerne behovet for proprietære SDK-er for å spore KI-agenter.
Agent Timeline rendrer fler-agent, fler-spor arbeidsflyter som én sammenhengende visning. Hvert LLM-kall, verktøy-invokasjon, agent-overlevering og nedstrøms-effekt henger sammen i sanntid, slik at engineering-team kan rekonstruere hva en agent gjorde og hvorfor uten å pusle sammen logger fra flere kilder.
«Vanlig observabilitet ble ikke bygd for denne typen ukjent-ukjente. Honeycomb ble bygd for de vanskeligste delene av programvareutvikling, og autonome agenter har gjort de vanskeligste delene mainstream.» — Christine Yen, CEO, Honeycomb
Honeycomb baserer Agent Timeline på OpenTelemetry GenAI semantic conventions v1.40.0, slik at gen_ai.*-attributter er førsteklasses borgere. Hvis koden din allerede sender OTel-traces, for eksempel via OpenLLMetry eller LangSmith, får du Honeycomb-rendring uten å bytte instrumenteringsbibliotek. Bubble-utvikler Shogo Wada, som har testet Canvas internt, sier verktøyet fant mønstre i child-spans som krevde manuell trace-jakt før.
Canvas, Canvas Agent og Skills lanseres for alle kunder neste uke. Agent Timeline er i Early Access og forventes generelt tilgjengelig i juni.
Hva bør du gjøre?
- Sjekk om dine agent-traces er OTel-konforme:
gen_ai.*-attributtene fra OTel GenAI conventions v1.40.0 er det Honeycomb leser. Hvis du bruker proprietære logger, må du re-instrumentere. - Sammenlign med Datadog og New Relic før du forplikter deg. Alle tre selger seg nå som agent-observabilitet, men Honeycomb skiller seg på høyt kardinalitetsvolum uten pre-aggregering.
- Test på et lavtrafikk-miljø først fordi agent-traces eksploderer i kardinalitet, og kostnaden ved naiv setup kan overraske deg.