Agno

OpenTelemetry を使用して Weave で Agno のマルチエージェントシステムをトレースし、エージェント間のインタラクション、ツール呼び出し、共有メモリ操作、およびマルチモーダルなワークフローを取得して、AI エージェントシステムのオブザーバビリティを包括的に実現します。

Agno のエージェントおよびツール呼び出しは、OpenTelemetry (OTEL) を使用して Weave でトレースできます。Agno は、共有メモリ、ナレッジ、推論機能を備えたマルチエージェントシステムを構築するための Python フレームワークです。軽量で、モデルに依存せず高性能であるよう設計されており、テキスト、画像、音声、動画処理を含むマルチモーダル機能をサポートします。

このガイドでは、OTEL を使って Agno のエージェントおよびツール呼び出しをトレースし、それらのトレースを Weave で可視化する方法を説明します。必要な依存関係のインストール方法、Weave にデータを送信する OTEL トレーサーの設定方法、そして Agno のエージェントおよびツールをインストルメントする方法を説明します。

Weave での OTEL トレースの詳細については、Send OTEL Traces to Weave を参照してください。

​

前提条件

1. 必要な依存パッケージをインストールします。

   pip install agno openinference-instrumentation-agno opentelemetry-sdk opentelemetry-exporter-otlp-proto-http
   

2. OpenAI APIキー（または他のモデルプロバイダー）を環境変数として設定します。

   export OPENAI_API_KEY=your_api_key_here
   

3. Weave で OTEL トレーシングを設定します。

​

Weave で OTEL トレーシングを設定する

Agno から Weave にトレースを送信するには、TracerProvider と OTLPSpanExporter を使用して OTEL を設定します。エクスポーターには、認証とプロジェクト識別のための正しいエンドポイントと HTTP ヘッダー を設定してください。

​

必要な設定

• エンドポイント: https://trace.wandb.ai/otel/v1/traces
• ヘッダー:
  • Authorization: W&B APIキーを用いたベーシック認証
  • project_id: W&Bのエンティティ／プロジェクト名（例: myteam/myproject）

​

Agno から Weave へ OTEL トレースを送信する

前提条件 を満たしたら、Agno から Weave に OTEL トレースを送信できます。次のコードスニペットでは、Agno アプリケーションから Weave に OTEL トレースを送信するために、OTLP span exporter と tracer provider を構成する方法を示します。

Weave が Agno を正しくトレースできるようにするには、コード内で Agno コンポーネントを使用する 前に グローバルな tracer provider を設定してください。

# tracing.py

import base64
import os
from openinference.instrumentation.agno import AgnoInstrumentor
from opentelemetry.exporter.otlp.proto.http.trace_exporter import OTLPSpanExporter
from opentelemetry.sdk import trace as trace_sdk
from opentelemetry.sdk.trace.export import SimpleSpanProcessor
from opentelemetry import trace

# 環境変数から機密情報を読み込む
WANDB_BASE_URL = "https://trace.wandb.ai"
# W&B のエンティティ/プロジェクト名（例: "myteam/myproject"）
PROJECT_ID = os.environ.get("WANDB_PROJECT_ID")  
# W&B の APIキーは https://wandb.ai/settings で作成する
WANDB_API_KEY = os.environ.get("WANDB_API_KEY")  

OTEL_EXPORTER_OTLP_ENDPOINT = f"{WANDB_BASE_URL}/otel/v1/traces"
AUTH = base64.b64encode(f"api:{WANDB_API_KEY}".encode()).decode()

OTEL_EXPORTER_OTLP_HEADERS = {
    "Authorization": f"Basic {AUTH}",
    "project_id": PROJECT_ID,
}

# エンドポイントとヘッダーを指定して OTLP スパンエクスポーターを作成する
exporter = OTLPSpanExporter(
    endpoint=OTEL_EXPORTER_OTLP_ENDPOINT,
    headers=OTEL_EXPORTER_OTLP_HEADERS,
)

# トレーサープロバイダーを作成してエクスポーターを追加する
tracer_provider = trace_sdk.TracerProvider()
tracer_provider.add_span_processor(SimpleSpanProcessor(exporter))

# Agno をインポート/使用する前にグローバルトレーサープロバイダーを設定する
trace.set_tracer_provider(tracer_provider)

​

OTEL を使用して Agno エージェントをトレースする

tracer provider を設定したら、自動トレースを有効にした状態で Agno エージェントを作成して実行できます。次の例では、ツールを使ったシンプルなエージェントの作成方法を示します。

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# 上記で作成したファイルからAgnoInstrumentorを読み込む
from tracing import AgnoInstrumentor

# Agnoのインストルメンテーションを開始する
AgnoInstrumentor().instrument()

# ファイナンスエージェントを作成する
finance_agent = Agent(
    name="Finance Agent",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[
        YFinanceTools(
            stock_price=True,
            analyst_recommendations=True,
            company_info=True,
            company_news=True
        )
    ],
    instructions=["Use tables to display data"],
    show_tool_calls=True,
    markdown=True,
)

# エージェントを使用する - 自動的にトレースされる
finance_agent.print_response(
    "What is the current stock price of Apple and what are the latest analyst recommendations?",
    stream=True
)

すべてのエージェントの操作は自動的にトレースされて Weave に送信されるため、実行フロー、モデル呼び出し、推論ステップ、ツールの実行を可視化できます。

​

OTEL で Agno ツールをトレースする

Agno でツールを定義して使用すると、これらのツール呼び出しもトレースに記録されます。OTEL インテグレーションは、エージェントの推論プロセスと各ツール実行の両方を自動計測し、エージェントの振る舞いを包括的に可視化します。

複数のツールを使った例を次に示します。

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# 上記で作成したファイルからAgnoInstrumentorを読み込む
from tracing import AgnoInstrumentor

# Agnoのインストルメンテーションを開始する
AgnoInstrumentor().instrument()

# 複数のツールを持つエージェントを作成する
research_agent = Agent(
    name="Research Agent",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[
        DuckDuckGoTools(),
        YFinanceTools(stock_price=True, company_info=True),
    ],
    instructions=[
        "Search for current information and financial data",
        "Always include sources",
        "Use tables to display financial data"
    ],
    show_tool_calls=True,
    markdown=True,
)

# エージェントを使用する - ツール呼び出しはトレースされる
research_agent.print_response(
    "Research Tesla's recent performance and news. Include stock price and any recent developments.",
    stream=True
)

​

OTEL でマルチエージェントチームをトレースする

Agno の強力なマルチエージェントアーキテクチャを使用すると、コンテキストを共有しながら協調して動作するエージェントのチームを作成できます。これらのチームでのやり取りもすべてトレースされます。

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# tracin.pyファイルからAgnoInstrumentorを読み込む
from tracing import AgnoInstrumentor

# Agnoのインストルメンテーションを開始する
AgnoInstrumentor().instrument()

# 専門エージェントを作成する
web_agent = Agent(
    name="Web Agent",
    role="Search the web for information",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[DuckDuckGoTools()],
    instructions="Always include sources",
    show_tool_calls=True,
    markdown=True,
)

finance_agent = Agent(
    name="Finance Agent", 
    role="Get financial data",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[YFinanceTools(stock_price=True, analyst_recommendations=True)],
    instructions="Use tables to display data",
    show_tool_calls=True,
    markdown=True,
)

# エージェントチームを作成する
agent_team = Agent(
    team=[web_agent, finance_agent],
    model=OpenAIChat(id="gpt-4o"),
    instructions=["Always include sources", "Use tables to display data"],
    show_tool_calls=True,
    markdown=True,
)

# チームを使用する - すべてのエージェントのやり取りがトレースされる
agent_team.print_response(
    "What's the current market sentiment around NVIDIA? Include both news analysis and financial metrics.",
    stream=True
)

このマルチエージェントのトレースでは、Weave 内のさまざまなエージェント間の連携を可視化し、タスクがエージェントチーム全体にどのように分散され、実行されているかを把握できます。

​

Reasoning Agent を扱う

Agno には、エージェントが問題を段階的に考えられるようにする組み込みの推論機能があります。こうした推論プロセスもトレースに記録されます。

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.reasoning import ReasoningTools
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# AgnoInstrumentorをtracing.pyファイルから読み込む
from tracing import AgnoInstrumentor

# Agnoのインストルメンテーションを開始する
AgnoInstrumentor().instrument()

# 推論エージェントを作成する
reasoning_agent = Agent(
    name="Reasoning Finance Agent",
    model=OpenAIChat(id="gpt-4o"),
    tools=[
        ReasoningTools(add_instructions=True),
        YFinanceTools(
            stock_price=True,
            analyst_recommendations=True,
            company_info=True,
            company_news=True
        ),
    ],
    instructions="Use tables to display data and show your reasoning process",
    show_tool_calls=True,
    markdown=True,
)

# 推論エージェントを使用する
reasoning_agent.print_response(
    "Should I invest in Apple stock right now? Analyze the current situation and provide a reasoned recommendation.",
    stream=True
)

推論のステップはトレース内で確認でき、エージェントが複雑な問題をどのように分解し、どのように意思決定しているかが可視化されます。

​

メモリとナレッジの利用

Agno エージェントはメモリを保持し、ナレッジベースへアクセスできます。これらの処理もトレースされます。

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.memory import AgentMemory
from agno.storage.sqlite import SqliteStorage

from dotenv import load_dotenv
load_dotenv()

# AgnoInstrumentorをtracing.pyファイルから読み込む
from tracing import AgnoInstrumentor

# Agnoのインストルメンテーションを開始する
AgnoInstrumentor().instrument()


# メモリを持つエージェントを作成する
memory_agent = Agent(
    name="Memory Agent",
    model=OpenAIChat(id="gpt-4o-mini"),
    memory=AgentMemory(),
    storage=SqliteStorage(
        table_name="agent_sessions",
        db_file="agent_memory.db"
    ),
    instructions="Remember our conversation history",
    show_tool_calls=True,
    markdown=True,
)

# 最初のインタラクション
memory_agent.print_response("My name is John and I'm interested in AI investing strategies.")

# 2回目のインタラクション - エージェントは前のコンテキストを記憶している
memory_agent.print_response("What specific AI companies would you recommend for my portfolio?")

会話履歴の保存や取得を含むメモリ操作が、トレースに含まれます。

​

詳細情報

• Weave ドキュメント: OTEL トレースを Weave に送信する
• 公式 Agno ドキュメント
• 公式 OTEL ドキュメント
• Agno GitHub リポジトリ
• OpenInference Agno instrumentation