crewAI/docs/ar/observability/openlit.mdx

---
title: تكامل OpenLIT
description: ابدأ بسرعة في مراقبة وكلائك بسطر واحد فقط من الكود باستخدام OpenTelemetry.
icon: magnifying-glass-chart
mode: "wide"
---

# نظرة عامة على OpenLIT

[OpenLIT](https://github.com/openlit/openlit?src=crewai-docs) هو أداة مفتوحة المصدر تجعل من السهل مراقبة أداء وكلاء الذكاء الاصطناعي ونماذج LLM وقواعد بيانات المتجهات ووحدات GPU بسطر **واحد** فقط من الكود.

يوفر تتبعاً ومقاييس أصلية لـ OpenTelemetry لتتبع المعلمات المهمة مثل التكلفة وزمن الاستجابة والتفاعلات وتسلسل المهام.
يمكّنك هذا الإعداد من تتبع المعلمات الفائقة ومراقبة مشكلات الأداء، مما يساعدك في إيجاد طرق لتحسين وضبط وكلائك بمرور الوقت.

<Frame caption="لوحة معلومات OpenLIT">
  <img src="/images/openlit1.png" alt="Overview Agent usage including cost and tokens" />
  <img src="/images/openlit2.png" alt="Overview of agent otel traces and metrics" />
  <img src="/images/openlit3.png" alt="Overview of agent traces in details" />
</Frame>

### الميزات

- **لوحة معلومات التحليلات**: راقب صحة وأداء وكلائك من خلال لوحات معلومات تفصيلية تتتبع المقاييس والتكاليف وتفاعلات المستخدمين.
- **SDK مراقبة أصلي لـ OpenTelemetry**: حزم SDK محايدة للمورد لإرسال التتبعات والمقاييس إلى أدوات المراقبة الحالية مثل Grafana وDataDog وغيرها.
- **تتبع التكاليف للنماذج المخصصة والمعدّلة**: خصّص تقديرات التكلفة لنماذج محددة باستخدام ملفات تسعير مخصصة لوضع ميزانية دقيقة.
- **لوحة مراقبة الاستثناءات**: اكتشف وحل المشكلات بسرعة من خلال تتبع الاستثناءات والأخطاء الشائعة بلوحة مراقبة.
- **الامتثال والأمان**: اكتشف التهديدات المحتملة مثل الألفاظ البذيئة وتسريبات المعلومات الشخصية.
- **كشف حقن الموجهات**: حدد حقن الكود المحتمل وتسريبات الأسرار.
- **إدارة مفاتيح API والأسرار**: تعامل مع مفاتيح API لنماذج LLM وأسرارك مركزياً بأمان، مع تجنب الممارسات غير الآمنة.
- **إدارة الموجهات**: أدر وأصدر موجهات الوكلاء باستخدام PromptHub للوصول المتسق والسهل عبر الوكلاء.
- **ساحة تجربة النماذج**: اختبر وقارن نماذج مختلفة لوكلاء CrewAI قبل النشر.

## تعليمات الإعداد

<Steps>
    <Step title="نشر OpenLIT">
      <Steps>
        <Step title="استنساخ مستودع OpenLIT">
          ```shell
          git clone git@github.com:openlit/openlit.git
          ```
        </Step>
        <Step title="بدء Docker Compose">
          من المجلد الجذري لـ [مستودع OpenLIT](https://github.com/openlit/openlit)، شغّل الأمر التالي:
          ```shell
          docker compose up -d
          ```
        </Step>
      </Steps>
    </Step>
    <Step title="تثبيت SDK الخاص بـ OpenLIT">
      ```shell
      pip install openlit
      ```
    </Step>
    <Step title="تهيئة OpenLIT في تطبيقك">
      أضف السطرين التاليين إلى كود تطبيقك:
      <Tabs>
        <Tab title="الإعداد باستخدام معاملات الدالة">
          ```python
          import openlit
          openlit.init(otlp_endpoint="http://127.0.0.1:4318")
          ```

          مثال على الاستخدام لمراقبة وكيل CrewAI:

          ```python
          from crewai import Agent, Task, Crew, Process
          import openlit

          openlit.init(disable_metrics=True)
          # Define your agents
          researcher = Agent(
              role="Researcher",
              goal="Conduct thorough research and analysis on AI and AI agents",
              backstory="You're an expert researcher, specialized in technology, software engineering, AI, and startups. You work as a freelancer and are currently researching for a new client.",
              allow_delegation=False,
              llm='command-r'
          )


          # Define your task
          task = Task(
              description="Generate a list of 5 interesting ideas for an article, then write one captivating paragraph for each idea that showcases the potential of a full article on this topic. Return the list of ideas with their paragraphs and your notes.",
              expected_output="5 bullet points, each with a paragraph and accompanying notes.",
          )

          # Define the manager agent
          manager = Agent(
              role="Project Manager",
              goal="Efficiently manage the crew and ensure high-quality task completion",
              backstory="You're an experienced project manager, skilled in overseeing complex projects and guiding teams to success. Your role is to coordinate the efforts of the crew members, ensuring that each task is completed on time and to the highest standard.",
              allow_delegation=True,
              llm='command-r'
          )

          # Instantiate your crew with a custom manager
          crew = Crew(
              agents=[researcher],
              tasks=[task],
              manager_agent=manager,
              process=Process.hierarchical,
          )

          # Start the crew's work
          result = crew.kickoff()

          print(result)
          ```
        </Tab>
        <Tab title="الإعداد باستخدام متغيرات البيئة">

          أضف السطرين التاليين إلى كود تطبيقك:
          ```python
          import openlit

          openlit.init()
          ```

          شغّل الأمر التالي لإعداد نقطة نهاية تصدير OTEL:
          ```shell
          export OTEL_EXPORTER_OTLP_ENDPOINT = "http://127.0.0.1:4318"
          ```

          مثال على الاستخدام لمراقبة وكيل CrewAI غير متزامن:

          ```python
          import asyncio
          from crewai import Crew, Agent, Task
          import openlit

          openlit.init(otlp_endpoint="http://127.0.0.1:4318")

          # Create an agent with code execution enabled
          coding_agent = Agent(
            role="Python Data Analyst",
            goal="Analyze data and provide insights using Python",
            backstory="You are an experienced data analyst with strong Python skills.",
            allow_code_execution=True,
            llm="command-r"
          )

          # Create a task that requires code execution
          data_analysis_task = Task(
            description="Analyze the given dataset and calculate the average age of participants. Ages: {ages}",
            agent=coding_agent,
            expected_output="5 bullet points, each with a paragraph and accompanying notes.",
          )

          # Create a crew and add the task
          analysis_crew = Crew(
            agents=[coding_agent],
            tasks=[data_analysis_task]
          )

          # Async function to kickoff the crew asynchronously
          async def async_crew_execution():
              result = await analysis_crew.kickoff_async(inputs={"ages": [25, 30, 35, 40, 45]})
              print("Crew Result:", result)

          # Run the async function
          asyncio.run(async_crew_execution())
          ```
        </Tab>
      </Tabs>
      راجع [مستودع Python SDK الخاص بـ OpenLIT](https://github.com/openlit/openlit/tree/main/sdk/python) لمزيد من الإعدادات المتقدمة وحالات الاستخدام.
    </Step>
    <Step title="العرض والتحليل">
      مع جمع بيانات مراقبة الوكلاء وإرسالها إلى OpenLIT، الخطوة التالية هي عرض وتحليل هذه البيانات للحصول على رؤى حول أداء وكيلك وسلوكه وتحديد مجالات التحسين.

      ما عليك سوى التوجه إلى OpenLIT على `127.0.0.1:3000` في متصفحك لبدء الاستكشاف. يمكنك تسجيل الدخول باستخدام بيانات الاعتماد الافتراضية
      - **البريد الإلكتروني**: `user@openlit.io`
      - **كلمة المرور**: `openlituser`

      <Frame caption="لوحة معلومات OpenLIT">
        <img src="/images/openlit1.png" alt="Overview Agent usage including cost and tokens" />
        <img src="/images/openlit2.png" alt="Overview of agent otel traces and metrics" />
      </Frame>

    </Step>
</Steps>