OpenAI Agent SDK Tracing: Agrega los recibos de salud que faltan

OpenAI agente SDK rastreo es el primer registro adecuado para explicar lo que sucedió dentro de una carrera de agentes. No es, por sí mismo, prueba de que el trabajador esté disponible ahora, de que haya comenzado una carrera programada, de que haya aparecido una vez un efecto externo o de que exista el producto prometido. El defecto confiable es mantener el rastro incorporado, dar a cada carrera una identificación estable no secreta, y unir esa pista para separar los recibos de ejecución y resultado antes de asignar un veredicto de salud. Esta guía está conectada al Python openai agents 0.19.0 liberación de metadatos recuperado el 28 de julio de 2026. El paquete se había subido el 27 de julio, así que verifique la referencia de su versión instalada antes de copiar la configuración en un servicio de larga duración. Comience con el rastro que el SDK ya le da El Las integraciones de OpenAI y la guía de observabilidad actual dice que el rastreo está habilitado por defecto en el camino normal del SDK del lado del servidor. Una carrera puede emitir registros estructurados para llamadas de modelo, llamadas de herramientas, entregas, barandillas y extensiones personalizadas. El Referencia de rastreo de Python agrega detalles de tarea, giro, agente, generación, función, entrega, barandilla de guardia y espacio de audio. Esa es una valiosa evidencia de ejecución. Responde a preguntas como: ¿Qué turno de agente y modelo corrieron? ¿Qué herramientas funcionales se llamaban, y en qué orden de anidación? ¿Ha ocurrido una valla o una entrega? ¿Dónde apareció una excepción o una larga duración? ¿Cuáles corrientes pertenecen al mismo flujo de trabajo o conversación? Utilice un rastreo de nivel superior cuando varias llamadas Runner.run() implementan una operación de negocio. Coloque una identificación de ejecución aleatoria y no secreta tanto en group id como en metadatos para que el rastro pueda unirse a los registros de la aplicación. No incluya contenido de los clientes, credenciales o un producto completo en ese ID. La configuración de datos sensibles importa. La referencia oficial de Python dice que las franjas de generación y las franjas de funciones pueden contener entradas y salidas de modelos y herramientas, y que la captura sensible está habilitada por defecto. trace include sensitive data=False reduce esa exposición. No elimina los datos que coloca deliberadamente en metadatos personalizados, así que mantenga la evidencia personalizada mínima también. El bloque finally resuelve un problema más estrecho. El procesador de lote predeterminado exporta en segundo plano cada pocos segundos y se despeja en la salida del proceso. Para un trabajador de cola que debe hacer visible su rastro antes de reconocer un trabajo, llame a flush traces() después de cerrar el contexto de rastro. Un flush confirma que los registros de rastreo amortiguados fueron entregados a su procesador; todavía no prueba el resultado comercial externo. Dibujar el límite donde se detiene el rastro Un rastro describe el camino observado por su instrumentación. El agente de salud pregunta si el sistema circundante está funcionando ahora y si el trabajo útil ha llegado a su destino. Esos relojes y las fuentes de evidencia son diferentes. Considere un rastro que terminó limpio a las 10:00. A las 10:05 el trabajador puede estar fuera de línea. Un horario de 10:15 puede perderse sin producir ningún nuevo rastro. Un período de tiempo de la herramienta puede contener una respuesta HTTP exitosa mientras que el destino más tarde rechaza la transacción. Una respuesta final del modelo puede decir done mientras el archivo esperado está ausente. Tratar el rastro como una columna en una prueba se une: Cuestión de salud Lo que el rastro del SDK puede mostrar Se requiere un recibo adicional ¿Se ejecutó la carrera con instrumentos? Ciclo de vida del rastro y de la extensión Rastrear la frescura de la exportación y la identidad de la explotación ¿Se puede alcanzar el tiempo de ejecución ahora? Nada después del último período observado La frecuencia cardíaca con un umbral de vencimiento ¿El trabajo programado comenzó a tiempo? Un rastro si la carrera comenzó Registro de ejecución esperado y fecha límite de inicio ¿Está el agente esperando legítimamente? Una trayectoria o actividad relacionada con la aprobación en pausa Propietario de la aprobación, fecha límite, ID de decisión y token de reanudación ¿Hubo algún efecto secundario una vez? Intento de la herramienta y datos devueltos Recibo de indemnización o de reconciliación del destino ¿Es correcto el material de entrega solicitado? Actividad de modelo y herramienta Verificación determinista de artefactos o regla de aceptación explícita Esta separación evita tres costosos errores. En primer lugar, no convierta trace terminado en healthy. Significa que el camino de ejecución instrumentada terminó. La salud requiere una nueva prueba de tiempo de ejecución y un recibo de resultados. En segundo lugar, no convierta inmediatamente el rastro ausente en fallido. El exportador de origen puede estar todavía dentro de su ventana de entrega. Comparar la edad de exportación con un período de gracia documentado; clasificar la carrera como incierta mientras que la evidencia es tardía. En tercer lugar, no conviertas paused en stuck. Una pausa con un propietario autorizado, una fecha límite de vida y un token de decisión reiniciable están esperando. Se queda atascado cuando se rompe el contrato de dependencia o el progreso no funciona después de la decisión. Realizar una auditoría de cobertura en cinco casos Para hacer que el límite sea falsificable, construí una fijación normalizada de cinco carreras. Cada fila contiene una identificación de ejecución y seis grupos de pruebas: rastro, tiempo de ejecución, horario, aprobación, efecto y resultado. La auditoría aplica la prioridad de salud en este orden: 1. Mantenga una espera de aprobación bien formada. 2. Marque un latido cardíaco expirado no alcanzable. 3. Mantenga una exportación reciente desaparecida incierta. 4. Compruebe el horario esperado. 5. Comparar el recibo y la digestión. 6. Decir que la carrera es saludable sólo cuando el rastro, el efecto y la evidencia del resultado coinciden. La regla central del falso éxito es deliberadamente pequeña: La prueba produjo cinco veredictos esperados de cinco casos: Los resultados individuales exponen por qué la unión es importante: Las instalaciones Asunción de sólo rastro Veredicto combinado Pruebas que cambiaron la decisión Salud y salud Salud y salud Salud y salud La frecuencia cardíaca y el efecto correspondiente y los recibos de resultado lo confirman . Falso éxito Salud y salud Falso éxito El recibo esperado de artefacto falta. Esperanza de aprobación Estoy atrapado. Esperando El propietario autorizado y el plazo hacen legítima la pausa El tiempo de ejecución perdido Salud y salud No alcanzable La edad del latido cardíaco es de 900 segundos frente a un límite de 120 segundos Exportación pendiente Fallo de rastreo Exportación incierta La edad de exportación es de 2 segundos dentro de una ventana de gracia de 10 segundos No se trata de una afirmación de que todas las solicitudes requieran los mismos umbrales. Un trabajo de lotes que se ejecuta todas las noches necesita un sobre diferente de un agente de apoyo interactivo. Una búsqueda de sólo lectura puede no necesitar un recibo de efecto. Un informe generado puede requerir una suma de comprobación, validación de esquema, piso de recuento de filas y HTTP 200 en su URL final. La parte reutilizable es la forma y la precedencia de la evidencia, no los números de muestra. La auditoría también utiliza registros normalizados en lugar de descargas privadas de rastreo de la plataforma o una llamada de modelo en vivo pagada. Eso lo mantiene inspectable, pero deja la implementación del exportador, la retención del panel y la política de cuenta fuera del experimento. Pruebe en su propio entorno. Utilice una identificación de ejecución, pero mantenga almacenes de pruebas separados El diseño práctico de producción es una unión, no una carga útil de rastro más grande. Mantenga los intervalos de diagnóstico donde sean útiles para la depuración. Mantenga la actualidad del tiempo de funcionamiento en el sistema que posee el trabajador o el adaptador. Mantenga las expectativas del horario junto al programador. Mantenga la autoridad de aprobación en la solicitud que pueda reanudar la carrera. Mantenga los recibos de efecto en la capa de destino o de reconciliación. Mantenga los cheques de entrega cerca del artefacto. Únete a ellos a través de la identificación no secreta y exponga la frescura de cada fuente. Un registro médico puede ser compacto: No trate silenciosamente un campo no disponible como verde. Si no se puede leer el latido cardíaco del tiempo de ejecución, el estado del tiempo de ejecución es desconocido. Si una organización utiliza la retención de datos cero, tenga en cuenta que la referencia actual de rastreo de Python dice que el rastreo no está disponible para esa política de API; utilizar un procesador interno aprobado o un diseño de evidencia diferente solo después de confirmar la política aplicable y el comportamiento de SDK. La regla final de funcionamiento es simple: utilizar OpenAI Agents SDK tracing para explicar la ejecución, no para exagerar la salud. Un veredicto saludable requiere un rastro reciente cuando se espera, un tiempo de ejecución alcanzable, un estado de espera honesto, efectos reconciliados cuando corresponda, y un resultado verificado. Eliminar un incidente sólo después de que la evidencia que falló se vuelva fresca y pasa de nuevo. Sidewisp se encuentra actualmente en versión preliminar privada. Su papel previsto es transformar pruebas como la accesibilidad, el progreso, el acceso a herramientas y los resultados verificados en una visión clara de la salud; el monitoreo de OpenAI Agents SDK de producción generalmente no se envía hoy en día.