Логирование агента: без этого нельзя понять, почему он слил задачу

Логирование агента: без этого нельзя понять, почему он слил задачу

Для аудита агенту мало сохранять «что ответил». Нужен след его действий: какой запрос получил, какие инструменты дергал, что увидел в каждом шаге и почему выбрал следующий ход. Иначе разбор превращается в гадание: ошибка в промпте, в tool-call или в данных.

Минимальный лог на каждый запуск:
— идентификатор сессии и задача;
— входной промпт и системные инструкции;
— список вызванных tools с параметрами;
— сырые ответы инструментов до очистки;
— финальное решение и confidence, если он есть.

Для performance-задач отдельно фиксируйте:
— источник данных и время снимка;
— какие поля агент изменил, а какие только прочитал;
— где был human review и что именно поправили руками;
— сколько попыток потребовалось до успеха;
— код ошибки, если шаг упал. Это потом экономит часы на поиске узкого места.

Хорошая практика — хранить логи в двух слоях: короткий человекочитаемый summary и полный JSON для разбора. В summary видно маршрут агента, в JSON — все аргументы, ответы и таймстемпы. Так проще искать паттерны: где модель стабильно путает поля, где ломается интеграция, где нужен жесткий guardrail.

Если логов нет, вы не управляете агентом — вы только наблюдаете за его удачей. Сначала делайте трассировку каждого шага, потом уже расширяйте автономность.