mirror of
https://github.com/crewAIInc/crewAI.git
synced 2025-12-16 04:18:35 +00:00
410db1ff39
Some checks failed
* docs(tools): migrate embedder->embedding_model, require vectordb; add Chroma/Qdrant examples across en/ko/pt-BR PDF/TXT/XML/MDX/DOCX/CSV/Directory docs * docs(observability): apply latest Datadog tweaks in ko and pt-BR
109 lines
4.6 KiB
Plaintext
109 lines
4.6 KiB
Plaintext
---
|
|
title: Integração Datadog
|
|
description: Saiba como integrar o Datadog com o CrewAI para enviar os rastros de observabilidade do LLM para o Datadog.
|
|
icon: dog
|
|
mode: "wide"
|
|
---
|
|
|
|
# Integrar o Datadog com a CrewAI
|
|
|
|
Este guia demonstrará como integrar o **Datadog** com o **CrewAI** usando a instrumentação automática do Datadog. Ao final deste guia, você poderá enviar rastreamentos do LLM Observability para o Datadog e visualizar as execuções do agente CrewAI no Agentic Execution View do Datadog LLM Observability.
|
|
|
|
## O que é o Datadog LLM Observability?
|
|
|
|
O [Datadog LLM Observability](https://www.datadoghq.com/product/llm-observability/) ajuda os engenheiros de IA, cientistas de dados e desenvolvedores de aplicativos a desenvolver, avaliar e monitorar rapidamente os aplicativos LLM. Melhore com confiança a qualidade dos resultados, o desempenho, os custos e o risco geral com experimentos estruturados, rastreamento de ponta a ponta em agentes de IA e avaliações.
|
|
|
|
## Primeiros passos
|
|
|
|
### Instalar dependências
|
|
|
|
```shell
|
|
pip install ddtrace crewai crewai-tools
|
|
```
|
|
|
|
### Definir variáveis de ambiente
|
|
|
|
Se você não tiver uma chave de API da Datadog, poderá [criar uma conta](https://www.datadoghq.com/) e [obter sua chave de API](https://docs.datadoghq.com/account_management/api-app-keys/#api-keys).
|
|
|
|
Você também precisará especificar um nome de aplicativo de ML nas seguintes variáveis de ambiente. Um aplicativo de ML é um agrupamento de rastros de observabilidade do LLM associados a um aplicativo específico baseado em LLM. Consulte [ML Application Naming Guidelines](https://docs.datadoghq.com/llm_observability/instrumentation/sdk?tab=python#application-naming-guidelines) para obter mais informações sobre as limitações dos nomes de aplicativos do ML.
|
|
|
|
```shell
|
|
export DD_API_KEY=<SUA_API_KEY>
|
|
export DD_SITE=<Seu_DD_SITE>
|
|
export DD_LLMOBS_ENABLED=true
|
|
export DD_LLMOBS_ML_APP=<YOUR_ML_APP_NAME>
|
|
export DD_LLMOBS_AGENTLESS_ENABLED=true
|
|
export DD_APM_TRACING_ENABLED=false
|
|
```
|
|
|
|
Além disso, configure todas as chaves de API do provedor LLM
|
|
|
|
```shell
|
|
export OPENAI_API_KEY=<SUA_OPENAI_API_KEY>
|
|
export ANTHROPIC_API_KEY=<YOUR_ANTHROPIC_API_KEY>
|
|
export GEMINI_API_KEY=<YOUR_GEMINI_API_KEY>
|
|
...
|
|
```
|
|
|
|
### Criar um aplicativo agente CrewAI
|
|
|
|
```python
|
|
# crewai_agent.py
|
|
from crewai import Agent, Task, Crew
|
|
|
|
from crewai_tools import (
|
|
WebsiteSearchTool
|
|
)
|
|
|
|
web_rag_tool = WebsiteSearchTool()
|
|
|
|
writer = Agent(
|
|
role="Writer",
|
|
goal="Você torna a matemática envolvente e compreensível para crianças pequenas por meio da poesia",
|
|
backstory="Você é um especialista em escrever haikus, mas não sabe nada de matemática",
|
|
tools=[web_rag_tool],
|
|
)
|
|
|
|
task = Task(
|
|
description=("O que é {multiplicação}?"),
|
|
expected_output=("Componha um haicai que inclua a resposta."),
|
|
agent=writer
|
|
)
|
|
|
|
crew = Crew(
|
|
agents=[writer],
|
|
tasks=[task],
|
|
share_crew=False
|
|
)
|
|
|
|
output = crew.kickoff(dict(multiplicação="2 * 2"))
|
|
```
|
|
|
|
### Executar o aplicativo com a instrumentação automática do Datadog
|
|
|
|
Com as [variáveis de ambiente](#definir-variáveis-de-ambiente) definidas, agora você pode executar o aplicativo com a instrumentação automática do Datadog.
|
|
|
|
```shell
|
|
ddtrace-run python crewai_agent.py
|
|
```
|
|
|
|
### Visualizar os rastros no Datadog
|
|
|
|
Depois de executar o aplicativo, você pode visualizar os traços na [Datadog LLM Observability's Traces View](https://app.datadoghq.com/llm/traces), selecionando o nome do aplicativo de ML que você escolheu no menu suspenso superior esquerdo.
|
|
|
|
Ao clicar em um rastreamento, você verá os detalhes do rastreamento, incluindo o total de tokens usados, o número de chamadas LLM, os modelos usados e o custo estimado. Clicar em um intervalo específico reduzirá esses detalhes e mostrará a entrada, a saída e os metadados relacionados.
|
|
|
|
<Frame>
|
|
<img src="/images/datadog-llm-observability-1.png" alt="Visualização do rastreamento de observabilidade do Datadog LLM" />
|
|
</Frame>
|
|
Além disso, você pode visualizar a visualização do gráfico de execução do rastreamento, que mostra o controle e o fluxo de dados do rastreamento, que será dimensionado com agentes maiores para mostrar transferências e relacionamentos entre chamadas LLM, chamadas de ferramentas e interações de agentes.
|
|
|
|
<Frame>
|
|
<img src="/images/datadog-llm-observability-2.png" alt="Visualização do fluxo de execução do agente de observabilidade do Datadog LLM" />
|
|
</Frame>
|
|
|
|
## Referências
|
|
|
|
- [Datadog LLM Observability](https://www.datadoghq.com/product/llm-observability/)
|
|
- [Datadog LLM Observability CrewAI Auto-Instrumentation](https://docs.datadoghq.com/llm_observability/instrumentation/auto_instrumentation?tab=python#crew-ai)
|