mirror of
https://github.com/crewAIInc/crewAI.git
synced 2025-12-16 04:18:35 +00:00
7f83947020
* fix: correct code example language inconsistency in pt-BR docs * fix: fix: fully standardize code example language and naming in pt-BR docs * fix: fix: fully standardize code example language and naming in pt-BR docs fixed variables * fix: fix: fully standardize code example language and naming in pt-BR docs fixed params --------- Co-authored-by: Lucas Gomide <lucaslg200@gmail.com>
107 lines
4.2 KiB
Plaintext
107 lines
4.2 KiB
Plaintext
---
|
|
title: Integração Langfuse
|
|
description: Saiba como integrar o Langfuse ao CrewAI via OpenTelemetry usando OpenLit
|
|
icon: vials
|
|
---
|
|
|
|
# Integre o Langfuse ao CrewAI
|
|
|
|
Este notebook demonstra como integrar o **Langfuse** ao **CrewAI** usando OpenTelemetry via o SDK **OpenLit**. Ao final deste notebook, você será capaz de rastrear suas aplicações CrewAI com o Langfuse para melhorar a observabilidade e a depuração.
|
|
|
|
> **O que é Langfuse?** [Langfuse](https://langfuse.com) é uma plataforma open-source de engenharia LLM. Ela fornece recursos de rastreamento e monitoramento para aplicações LLM, ajudando desenvolvedores a depurar, analisar e otimizar seus sistemas de IA. O Langfuse se integra com várias ferramentas e frameworks através de integrações nativas, OpenTelemetry e APIs/SDKs.
|
|
|
|
[](https://langfuse.com/watch-demo)
|
|
|
|
## Primeiros Passos
|
|
|
|
Vamos passar por um exemplo simples usando CrewAI e integrando ao Langfuse via OpenTelemetry utilizando o OpenLit.
|
|
|
|
### Passo 1: Instale as Dependências
|
|
|
|
```python
|
|
%pip install langfuse openlit crewai crewai_tools
|
|
```
|
|
|
|
### Passo 2: Configure as Variáveis de Ambiente
|
|
|
|
Defina suas chaves de API do Langfuse e configure as opções de exportação do OpenTelemetry para enviar os traces ao Langfuse. Consulte a [Documentação Langfuse OpenTelemetry](https://langfuse.com/docs/opentelemetry/get-started) para mais informações sobre o endpoint Langfuse OpenTelemetry `/api/public/otel` e autenticação.
|
|
|
|
```python
|
|
import os
|
|
|
|
# Obtenha as chaves do seu projeto na página de configurações do projeto: https://cloud.langfuse.com
|
|
os.environ["LANGFUSE_PUBLIC_KEY"] = "pk-lf-..."
|
|
os.environ["LANGFUSE_SECRET_KEY"] = "sk-lf-..."
|
|
os.environ["LANGFUSE_HOST"] = "https://cloud.langfuse.com" # 🇪🇺 Região UE
|
|
# os.environ["LANGFUSE_HOST"] = "https://us.cloud.langfuse.com" # 🇺🇸 Região EUA
|
|
|
|
|
|
# Sua chave OpenAI
|
|
os.environ["OPENAI_API_KEY"] = "sk-proj-..."
|
|
```
|
|
Com as variáveis de ambiente configuradas, agora podemos inicializar o cliente Langfuse. A função get_client() inicializa o cliente Langfuse usando as credenciais fornecidas nas variáveis de ambiente.
|
|
|
|
```python
|
|
from langfuse import get_client
|
|
|
|
langfuse = get_client()
|
|
|
|
# Verificar conexão
|
|
if langfuse.auth_check():
|
|
print("Cliente Langfuse autenticado e pronto!")
|
|
else:
|
|
print("Falha na autenticação. Verifique suas credenciais e host.")
|
|
```
|
|
|
|
### Passo 3: Inicialize o OpenLit
|
|
|
|
Inicialize o SDK de instrumentação OpenTelemetry do OpenLit para começar a capturar traces do OpenTelemetry.
|
|
|
|
```python
|
|
import openlit
|
|
|
|
openlit.init()
|
|
```
|
|
|
|
### Passo 4: Crie uma Aplicação Simples CrewAI
|
|
|
|
Vamos criar uma aplicação simples CrewAI onde múltiplos agentes colaboram para responder à pergunta de um usuário.
|
|
|
|
```python
|
|
from crewai import Agent, Task, Crew
|
|
|
|
from crewai_tools import (
|
|
WebsiteSearchTool
|
|
)
|
|
|
|
web_rag_tool = WebsiteSearchTool()
|
|
|
|
escritor = Agent(
|
|
role="Escritor",
|
|
goal="Você torna a matemática envolvente e compreensível para crianças pequenas através de poesias",
|
|
backstory="Você é especialista em escrever haicais mas não sabe nada de matemática.",
|
|
tools=[web_rag_tool],
|
|
)
|
|
|
|
tarefa = Task(description=("O que é {multiplicação}?"),
|
|
expected_output=("Componha um haicai que inclua a resposta."),
|
|
agent=escritor)
|
|
|
|
equipe = Crew(
|
|
agents=[escritor],
|
|
tasks=[tarefa],
|
|
share_crew=False
|
|
)
|
|
```
|
|
|
|
### Passo 5: Veja os Traces no Langfuse
|
|
|
|
Após rodar o agente, você pode visualizar os traces gerados pela sua aplicação CrewAI no [Langfuse](https://cloud.langfuse.com). Você verá etapas detalhadas das interações do LLM, o que pode ajudar na depuração e otimização do seu agente de IA.
|
|
|
|
|
|
|
|
_[Exemplo público de trace no Langfuse](https://cloud.langfuse.com/project/cloramnkj0002jz088vzn1ja4/traces/e2cf380ffc8d47d28da98f136140642b?timestamp=2025-02-05T15%3A12%3A02.717Z&observation=3b32338ee6a5d9af)_
|
|
|
|
## Referências
|
|
|
|
- [Documentação Langfuse OpenTelemetry](https://langfuse.com/docs/opentelemetry/get-started) |