Pular para o conteúdo

Integração Opik

Com o Comet Opik, depure, avalie e monitore suas aplicações LLM, sistemas RAG e fluxos de trabalho agentic com rastreamento detalhado, avaliações automatizadas e dashboards prontos para produção.

Exemplo de monitoramento de agente Opik com CrewAI
Dashboard do Agente Opik

O Opik oferece suporte abrangente para cada etapa do desenvolvimento da sua aplicação CrewAI:

  • Registrar Traces e Spans: Acompanhe automaticamente chamadas LLM e lógica da aplicação para depurar e analisar sistemas em desenvolvimento e em produção. Anote manualmente ou programaticamente, visualize e compare respostas entre projetos.
  • Avalie a Performance da sua Aplicação LLM: Avalie contra um conjunto de testes personalizado e execute métricas de avaliação nativas ou defina suas próprias métricas via SDK ou UI.
  • Teste no Pipeline CI/CD: Estabeleça bases de performance confiáveis com os testes unitários LLM do Opik, baseados em PyTest. Execute avaliações online para monitoramento contínuo em produção.
  • Monitore & Analise Dados de Produção: Entenda a performance dos seus modelos em dados inéditos em produção e gere conjuntos de dados para novas iterações de desenvolvimento.

A Comet oferece uma versão hospedada da plataforma Opik, ou você pode rodar a plataforma localmente.

Para usar a versão hospedada, basta criar uma conta gratuita na Comet e obter sua chave de API.

Para rodar a plataforma Opik localmente, veja nosso guia de instalação para mais informações.

Neste guia, utilizaremos o exemplo de início rápido da CrewAI.

  1. Instale os pacotes necessários
    Terminal window
    pip install crewai crewai-tools opik --upgrade
  2. Configure o Opik
    import opik
    opik.configure(use_local=False)
  3. Prepare o ambiente

    Primeiro, configuramos nossas chaves de API do provedor LLM como variáveis de ambiente:

    import os
    import getpass
    if "OPENAI_API_KEY" not in os.environ:
    os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter your OpenAI API key: ")
  4. Usando a CrewAI

    O primeiro passo é criar nosso projeto. Vamos utilizar um exemplo da documentação do CrewAI:

    from crewai import Agent, Crew, Task, Process
    class NomeDaEquipe:
    def agente_um(self) -> Agent:
    return Agent(
    role="Analista de Dados",
    goal="Analisar tendências de dados no mercado",
    backstory="Analista de dados experiente com formação em economia",
    verbose=True,
    )
    def agente_dois(self) -> Agent:
    return Agent(
    role="Pesquisador de Mercado",
    goal="Coletar informações sobre a dinâmica do mercado",
    backstory="Pesquisador dedicado com olhar atento para detalhes",
    verbose=True,
    )
    def tarefa_um(self) -> Task:
    return Task(
    name="Tarefa de Coleta de Dados",
    description="Coletar dados recentes do mercado e identificar tendências.",
    expected_output="Um relatório resumindo as principais tendências do mercado.",
    agent=self.agente_um(),
    )
    def tarefa_dois(self) -> Task:
    return Task(
    name="Tarefa de Pesquisa de Mercado",
    description="Pesquisar fatores que afetam a dinâmica do mercado.",
    expected_output="Uma análise dos fatores que influenciam o mercado.",
    agent=self.agente_dois(),
    )
    def equipe(self) -> Crew:
    return Crew(
    agents=[self.agente_um(), self.agente_dois()],
    tasks=[self.tarefa_um(), self.tarefa_dois()],
    process=Process.sequential,
    verbose=True,
    )

    Agora podemos importar o tracker do Opik e executar nossa crew:

    from opik.integrations.crewai import track_crewai
    track_crewai(project_name="crewai-integration-demo")
    my_crew = NomeDaEquipe().equipe()
    result = my_crew.kickoff()
    print(result)

    Após rodar sua aplicação CrewAI, acesse o app Opik para visualizar:

    • Traces LLM, spans e seus metadados
    • Interações dos agentes e fluxo de execução das tarefas
    • Métricas de performance, como latência e uso de tokens
    • Métricas de avaliação (nativas ou personalizadas)