轨迹

概览

Traces 为你的 crew 执行提供全面可见性，帮助你监控性能、排查问题并优化 AI agent 工作流。

什么是 Traces？

CrewAI AMP 中的 Traces 是详细的执行记录，记录 crew 运行的每个方面，从最初输入到最终输出。它们会记录：

• Agent 的思考和推理
• 任务执行详情
• 工具使用及其输出
• Token 消耗指标
• 执行时间
• 成本估算

访问 Traces

1. 导航到 Traces 标签页

   进入 CrewAI AMP 仪表板后，点击 Traces 查看所有执行记录。

2. 选择一次执行

   你会看到按日期排序的所有 crew 执行列表。点击任意一次执行即可查看其详细 trace。

理解 trace 界面

trace 界面分为多个部分，每个部分都会提供不同的执行洞察：

1. 执行摘要

顶部部分显示该次执行的高级指标：

• Total Tokens：所有任务消耗的 token 数
• Prompt Tokens：在 prompt 中发送给 LLM 的 token
• Completion Tokens：LLM 响应中生成的 token
• Requests：发起的 API 调用次数
• Execution Time：crew 运行的总时长
• Estimated Cost：基于 token 使用量的近似成本

2. 任务与 Agents

这一部分显示参与 crew 执行的所有任务和 agents：

• 任务名称和 agent 分配
• 每个任务使用的 agents 和 LLM
• 状态（completed/failed）
• 任务各自的执行时间

3. 最终输出

显示 crew 在完成所有任务后产生的最终结果。

4. 执行时间线

以可视化方式展示每个任务何时开始和结束，帮助你识别瓶颈或并行执行模式。

5. 详细任务视图

当你点击时间线或任务列表中的某个具体任务时，会看到：

• Task Key：任务的唯一标识符
• Task ID：系统中的技术标识符
• Status：当前状态（completed/running/failed）
• Agent：执行该任务的 agent
• LLM：该任务使用的语言模型
• Start/End Time：任务开始和完成的时间
• Execution Time：这个具体任务的持续时间
• Task Description：要求 agent 做什么
• Expected Output：请求的输出格式
• Input：来自前置任务、传给此任务的任何输入
• Output：agent 实际产生的结果

使用 Traces 调试

Traces 对排查 crew 问题非常有价值：

1. 找出失败点

   当 crew 执行没有产生预期结果时，检查 trace 以找出出错位置。重点查看：

   • 失败的任务
   • 意外的 agent 决策
   • 工具使用错误
   • 被误解的指令

   

2. 优化性能

   使用执行指标识别性能瓶颈：

   • 耗时超出预期的任务
   • 过多的 token 使用
   • 重复的工具操作
   • 不必要的 API 调用
3. 提高成本效率

   分析 token 使用和成本估算，以优化 crew 效率：

   • 对简单任务考虑使用更小的模型
   • 将 prompt 精简得更简洁
   • 缓存经常访问的信息
   • 通过结构化任务减少重复操作

性能与批处理

CrewAI 会批量上传 trace 以降低高吞吐运行时的开销：

• TraceBatchManager 会缓存事件，并通过 Plus API client 分批发送
• 减少网络往返并提升在不稳定连接下的可靠性
• 默认 trace listener 中会自动启用，无需配置

这能在保持详细任务/agent telemetry 的同时，让高负载下的 tracing 更稳定。

需要帮助？

联系我们的支持团队，获取 trace 分析或其他 CrewAI AMP 功能方面的帮助。