اگر از عامل‌های هوش مصنوعی در محیط عملیاتی استفاده می‌کنید، احتمالاً با کابوس «جعبه سیاه» روبرو شده‌اید؛ جایی که نمی‌دانید چرا یک عامل در میانه راه شکست خورده است. حالا با معرفی پلاگین grafana-agento11y-hermes، توسعه‌دهندگان می‌توانند منطق داخلی عامل Hermes (Hermes Agent) را به‌طور کامل رصد کنند.
این ابزار که در ۱۶ اوت ۲۰۲۶ منتشر شد، تعاملات مبهم مدل زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — را به ردپاهای ساختاریافته‌ای از استاندارد OpenTelemetry (OTel) تبدیل می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی اتوماسیون کدنویسی در حوزه سلامت توسط Hermes اشاره کردیم، چالش اصلی این سیستم‌ها، نبود شفافیت در تصمیم‌گیری است. در یک محیط تولیدی، دانستن اینکه عامل کار را تمام کرده، بسیار کم‌ارزش‌تر از این است که بدانیم دقیقاً کدام ابزار فراخوانی شده و چرا یک تولید خاص با خطا مواجه شده است. این نیاز به شفافیت در حالی است که توزیع مهارت‌های عامل‌های AI در پلتفرم‌هایی مانند Hugging Face در حال تسهیل دسترسی به قابلیت‌های متنوع است.
به نقل از مستندات این پروژه در گیت‌هاب، این پلاگین تمام فراخوانی‌های مدل و اجرای ابزارها را تحت عنوان «تولیدات» (Generations) ثبت می‌کند. کاربران می‌توانند این ابزار را از طریق pip یا با هدایت عامل به فایل پیکربندی llms.txt نصب کنند.
جزئیات فنی پیاده‌سازی
- پیکربندی: برای فعال‌سازی پلاگین
agento11yباید فایل~/.hermes/config.yamlویرایش شود. - جریان داده: داده‌ها از طریق یک صادرکننده OTLP HTTP به استک Grafana Cloud ارسال می‌شوند.
- مهاجرت: کاربرانی که از نسخه قدیمی
hermes-plugin-sigilاستفاده می‌کردند، باید بسته قبلی را حذف کرده و متغیرهای محیطیSIGIL_*را بهAGENTO11Y_*تغییر دهند تا تداخلی در ثبت‌نام رخ ندهد.
بر اساس بررسی مستندات، این چرخش به سمت مشاهده‌پذیری استاندارد به این معناست که توسعه‌دهندگان دیگر مجبور نیستند برای عیب‌یابی حلقه‌های عامل‌محور (Agentic) به فایل‌های لاگ خام تکیه کنند. این رویکرد تکمیلی بر تلاش‌هایی مانند پروژه‌ی Mu است که دسترسی به ابزارهای عملیاتی را یکپارچه کرده است. با انتقال معیارها به Grafana Cloud، تیم‌ها می‌توانند برای جهش‌های ناگهانی در تأخیر (Latency) یا نرخ خطای بالای ابزارهای خاص، هشدار تنظیم کنند؛ درست مثل مدیریت یک میکروسرویس در یک سیستم توزیع‌شده.
برای شروع، شما به یک حساب Grafana Cloud (نسخه رایگان کافی است) و یک توکن برای تنظیم متغیرهای محیطی نیاز دارید. در حال حاضر برای پلاگین‌های نصب‌شده با pip، ویرایش دستی فایل YAML لازم است، اما باید منتظر به‌روزرسانی‌های آینده در CLI پلاگین Hermes باشید.
گام بعدی شما
- اگر از Hermes استفاده می‌کنید، ابتدا نسخه رایگان Grafana Cloud را فعال کرده و توکن دسترسی را دریافت کنید.
- متغیرهای محیطی خود را طبق مستندات جدید به‌روزرسانی کنید تا تداخل نسخه‌های قدیمی رخ ندهد.
- برای هر ابزار حیاتی در گردش‌کار خود، یک هشدار (Alert) برای نرخ خطای بالای ۵٪ تعریف کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو