AgentLens 개발: AI 에이전트를 위한 오픈 소스 관측성 도구 (2줄 설정)

저는 로그와 print 문만 사용하여 AI 에이전트를 디버깅하며 몇 주를 보냈습니다.

에이전트가 실패하거나 잘못된 출력을 내놓을 때마다, 문제가 **프롬프트 (prompt)**에 있는지, LLM에 있는지, **도구 호출 (tool call)**에 있는지, 아니면 늘어나는 컨텍스트 (context) 때문인지 알 길이 없었습니다. 마치 어둠 속에서 디버깅하는 기분이었습니다.

그래서 저는 AI 에이전트를 위해 특별히 제작된 깔끔한 셀프 호스팅 관측성 (observability) 플랫폼인 AgentLens를 만들었습니다.

AgentLens란 무엇인가요?

AgentLens는 마치 AI 에이전트를 위한 Chrome DevTools처럼, 아름다운 트레이스 (traces)를 통해 에이전트 실행 과정을 완전히 시각화하여 보여줍니다.

주요 특징

• 2줄 설정 — 기존의 OpenAI 및 Anthropic 코드로 바로 작동
• 전체 프롬프트 및 응답 캡처
• 호출당 토큰 사용량 및 비용 추적
• 중첩된 트레이스 (nested traces)를 제공하는 라이브 대시보드
• 다단계 에이전트 (multi-step agents), 루프 (loops), 도구 호출 (tool calls) 지원
• 완전한 오픈 소스 (open source) (MIT 라이선스) 및 셀프 호스팅 가능

설정 (말 그대로 2줄)

pip install agentlens

python
...

끝입니다. 이제 모든 LLM 호출이 자동으로 추적됩니다. Screenshots(여기에 가장 좋은 스크린샷을 업로드하세요: Span Tree, Inspector view, Trace list 등)

기술 스택 (Tech Stack)
백엔드 (Backend): FastAPI + PostgreSQL + Redis
프론트엔드 (Frontend): Next.js 15
docker compose up 한 번으로 셀프 호스팅 가능

GitHub 저장소 https://github.com/kp183/AgentlensI

저는 제 에이전트들이 왜 실패하는지 추측하는 것에 지쳐서 이것을 만들었습니다. 이제 모든 단계에서 정확히 어떤 일이 일어났는지 볼 수 있습니다. 만약 LangChain, CrewAI, LlamaIndex 또는 커스텀 프레임워크로 에이전트를 구축하고 있다면, 여러분의 피드백을 기다리겠습니다. 오늘날 AI 에이전트를 다룰 때 겪는 가장 큰 디버깅 고충은 무엇인가요?

🖼️ 실제 작동 모습

계층적 스팬 트리 타임라인 (Hierarchical Span Tree Timeline)

토큰 및 비용 인스펙터 (Token & Cost Inspector)