papercomputeco/tapes

해결하는 문제

Tapes는 AI 에이전트와 LLM 간의 상호작용을 캡처하고 저장하며 분석할 수 있는 방법을 제공합니다. 구조화된 세션, 트레이스, 스팬의 기록을 통해 에이전트가 결론에 도달한 과정을 명확히 보여주는 투명한 텔레메트리로, '블랙박스' 에이전트 워크플로우 문제를 해결합니다.

작동 방식

시스템은 원시 LLM 상호작용의 추가 전용 로그를 사용합니다. 이후 '디바이저' 프로세스가 이러한 원시 로그를 세션, 트레이스, 스팬으로 구성된 구조화된 읽기 모델로 변환합니다. 이 과정은 동일성과 결정론적이며, 동일한 입력은 항상 동일한 구조화된 출력을 생성합니다.

내부적으로 원본 추적 및 중복 제거를 위해 콘텐츠 주소 지정(Merkle 노드)을 사용합니다. 사용자는 프록시를 통해 데이터를 캡처하고, 전용 API를 통해 결과를 쿼리할 수 있으며, 스팬 단위의 의미적 검색 및 JSONL을 통한 내보내기 기능을 지원합니다.

대상 사용자

에이전트 세션의 내구성 있는 저장과 OpenTelemetry 호환 모델을 사용한 에이전트 워크플로우의 인스트루멘테이션 및 디버깅이 필요한 개발자들입니다.

주요 특징

• 불변 캡처: 모든 상호작용이 추가 전용 원시 로그에 영구 저장됩니다.
• 결정론적 프로젝션: 원시 로그가 재현 가능한 세션/트레이스/스팬 모델로 변환됩니다.
• OpenTelemetry 인스트루멘테이션: 즉시 사용 가능한 에이전트 텔레메트리용 인스트루멘테이션.
• 의미적 검색: 스팬 단위에서 의미적 검색이 가능합니다.
• 로컬 우선 설정: Docker를 통해 간편한 배포 가능. 내장된 PostgreSQL 및 Ollama 지원 포함.