Agno

Agno 에이전트와 툴 호출을 OpenTelemetry (OTEL)을 사용해 Weave에서 트레이싱할 수 있습니다. Agno는 공유 메모리, 지식, 추론 기능을 갖춘 멀티에이전트 시스템을 구축하기 위한 Python 프레임워크입니다. 경량이고 모델에 구애받지 않으며 고성능을 목표로 설계되었고, 텍스트, 이미지, 오디오, 비디오 처리를 포함한 멀티모달 기능을 지원합니다. 이 가이드는 OTEL을 사용해 Agno 에이전트와 툴 호출을 트레이싱하고, 해당 트레이스를 Weave에서 시각화하는 방법을 설명합니다. 필요한 의존성을 설치하고, 데이터를 Weave로 전송하는 OTEL 트레이서를 구성하고, Agno 에이전트와 툴을 계측하는 방법을 학습하게 됩니다.

Weave에서 OTEL 트레이싱에 대한 자세한 내용은 OTEL 트레이스를 Weave로 보내기를 참조하세요.

사전 준비 사항

필요한 종속성을 설치합니다.

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

OpenAI API 키(또는 다른 모델 제공자의 API 키)를 환경 변수로 설정합니다.
```
export OPENAI_API_KEY=your_api_key_here
```
Weave에서 OTEL 트레이싱을 구성합니다.

Weave에서 OTEL 트레이싱 설정

Agno에서 Weave로 트레이스를 전송하려면, OTEL에 TracerProvider와 OTLPSpanExporter를 구성해야 합니다. Exporter를 인증 및 프로젝트 식별을 위한 적절한 엔드포인트와 HTTP 헤더에 맞게 설정하세요.

필요한 설정

Endpoint: https://trace.wandb.ai/otel/v1/traces
Headers:
- Authorization: W&B API 키를 사용하는 Basic 인증
- project_id: W&B Entity/프로젝트 이름(예: myteam/myproject)

Agno에서 Weave로 OTEL 트레이스 전송하기

사전 준비를 완료했다면 Agno에서 Weave로 OTEL 트레이스를 전송할 수 있습니다. 다음 코드 스니펫은 OTLP span exporter와 tracer provider를 구성하여 Agno 애플리케이션에서 Weave로 OTEL 트레이스를 전송하는 방법을 보여 줍니다.

Weave가 Agno를 올바르게 트레이싱하도록 하려면 코드에서 Agno 컴포넌트를 사용하기 전에 전역 tracer provider를 설정해야 합니다.

# 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

# 환경 변수에서 민감한 값 로드
WANDB_BASE_URL = "https://trace.wandb.ai"
# W&B entity/프로젝트 이름 예: "myteam/myproject"
PROJECT_ID = os.environ.get("WANDB_PROJECT_ID")  
# https://wandb.ai/settings 에서 W&B API 키 생성
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,
}

# 엔드포인트와 헤더로 OTLP 스팬 익스포터 생성
exporter = OTLPSpanExporter(
    endpoint=OTEL_EXPORTER_OTLP_ENDPOINT,
    headers=OTEL_EXPORTER_OTLP_HEADERS,
)

# 트레이서 프로바이더 생성 및 익스포터 추가
tracer_provider = trace_sdk.TracerProvider()
tracer_provider.add_span_processor(SimpleSpanProcessor(exporter))

# Agno를 임포트/사용하기 전에 전역 트레이서 프로바이더 설정
trace.set_tracer_provider(tracer_provider)

OTEL로 Agno 에이전트 트레이싱하기

tracer provider를 설정한 후에는 자동 트레이싱이 적용된 Agno 에이전트를 생성하고 실행할 수 있습니다. 다음 예제에서는 도구를 사용하는 간단한 에이전트를 생성하는 방법을 보여줍니다:

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

from dotenv import load_dotenv
load_dotenv()

# 위에서 생성한 파일에서 AgnoInstrumentor 로드
from tracing import AgnoInstrumentor

# Agno 계측 시작
AgnoInstrumentor().instrument()

# 금융 에이전트 생성
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,
)

# 에이전트 사용 - 자동으로 추적됩니다
finance_agent.print_response(
    "What is the current stock price of Apple and what are the latest analyst recommendations?",
    stream=True
)

에이전트의 모든 작업은 자동으로 추적되어 Weave로 전송되며, 이를 통해 실행 흐름, 모델 호출, 추론 단계, 도구 호출을 시각화할 수 있습니다.

OTEL로 Agno 툴 추적하기

Agno로 툴을 정의하고 사용할 때, 이러한 툴 호출도 트레이스에 함께 캡처됩니다. OTEL 인테그레이션은 에이전트의 추론 과정과 개별 툴 실행을 모두 자동으로 계측하여, 에이전트의 동작을 포괄적으로 파악할 수 있도록 해 줍니다. 다음은 여러 개의 툴을 사용하는 예시입니다:

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()

# 위에서 생성한 파일에서 AgnoInstrumentor 로드
from tracing import AgnoInstrumentor

# Agno 계측 시작
AgnoInstrumentor().instrument()

# 여러 도구를 사용하는 에이전트 생성
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,
)

# 에이전트 사용 - 도구 호출이 추적됨
research_agent.print_response(
    "Research Tesla's recent performance and news. Include stock price and any recent developments.",
    stream=True
)

OTEL로 멀티 에이전트 팀 추적하기

Agno의 강력한 멀티 에이전트 아키텍처를 사용하면 컨텍스트를 공유하며 협업할 수 있는 에이전트 팀을 구성할 수 있습니다. 이러한 팀 간 상호작용도 전 과정이 모두 추적됩니다:

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 파일에서 AgnoInstrumentor 로드
from tracing import AgnoInstrumentor

# Agno 계측 시작
AgnoInstrumentor().instrument()

# 전문화된 에이전트 생성
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,
)

# 에이전트 팀 생성
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,
)

# 팀 사용 - 모든 에이전트 상호작용이 추적됨
agent_team.print_response(
    "What's the current market sentiment around NVIDIA? Include both news analysis and financial metrics.",
    stream=True
)

이 멀티 에이전트 트레이스는 Weave 내 여러 에이전트 간의 조율 과정을 보여 주어, 작업이 에이전트 팀 전반에 어떻게 분배되고 실행되는지 파악할 수 있게 합니다.

Reasoning Agent 사용하기

Agno는 에이전트가 문제를 단계별로 사고할 수 있도록 돕는 내장 추론 기능을 제공합니다. 이러한 추론 과정은 trace에도 기록됩니다.

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()

# tracing.py 파일에서 AgnoInstrumentor 로드
from tracing import AgnoInstrumentor

# Agno 계측 시작
AgnoInstrumentor().instrument()

# 추론 에이전트 생성
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,
)

# 추론 에이전트 사용
reasoning_agent.print_response(
    "Should I invest in Apple stock right now? Analyze the current situation and provide a reasoned recommendation.",
    stream=True
)

추론 단계는 trace에서 확인할 수 있으며, 에이전트가 복잡한 문제를 어떻게 분해하고 결정을 내리는지 보여줍니다.

메모리와 지식 다루기

Agno 에이전트는 메모리를 유지하고 지식 베이스에 접근할 수 있습니다. 이러한 작업도 모두 추적됩니다:

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()

# tracin.py 파일에서 AgnoInstrumentor 로드
from tracing import AgnoInstrumentor

# Agno 계측 시작
AgnoInstrumentor().instrument()


# 메모리가 있는 에이전트 생성
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,
)

# 첫 번째 상호작용
memory_agent.print_response("My name is John and I'm interested in AI investing strategies.")

# 두 번째 상호작용 - 에이전트가 이전 컨텍스트를 기억함
memory_agent.print_response("What specific AI companies would you recommend for my portfolio?")

대화 기록의 저장 및 검색을 포함한 메모리 연산이 트레이스에 표시됩니다.

시작하기

가이드

쿡북

레퍼런스

자세한 정보 및 지원

오픈 소스

커뮤니티

사전 준비 사항

Weave에서 OTEL 트레이싱 설정

필요한 설정

Agno에서 Weave로 OTEL 트레이스 전송하기

OTEL로 Agno 에이전트 트레이싱하기

OTEL로 Agno 툴 추적하기

OTEL로 멀티 에이전트 팀 추적하기

Reasoning Agent 사용하기

메모리와 지식 다루기

더 알아보기

시작하기

가이드

쿡북

레퍼런스

자세한 정보 및 지원

오픈 소스

커뮤니티

​사전 준비 사항

​Weave에서 OTEL 트레이싱 설정

​필요한 설정

​Agno에서 Weave로 OTEL 트레이스 전송하기

​OTEL로 Agno 에이전트 트레이싱하기

​OTEL로 Agno 툴 추적하기

​OTEL로 멀티 에이전트 팀 추적하기

​Reasoning Agent 사용하기

​메모리와 지식 다루기

​더 알아보기

사전 준비 사항

Weave에서 OTEL 트레이싱 설정

필요한 설정

Agno에서 Weave로 OTEL 트레이스 전송하기

OTEL로 Agno 에이전트 트레이싱하기

OTEL로 Agno 툴 추적하기

OTEL로 멀티 에이전트 팀 추적하기

Reasoning Agent 사용하기

메모리와 지식 다루기

더 알아보기