Skip to content

Llm-tracing

  • Published on
    트레이스를 만드는 일은 SDK를 설치하는 일이 아니라 경계를 긋는 일입니다. 이 글은 Langfuse 파이썬 SDK v4를 기준으로 데코레이터, 컨텍스트 매니저, 수동 생성 세 가지 계측 방식이 각각 무엇을 다르게 하는지 정리하고, 속성을 하위로 흘려보내는 propagate_attributes가 왜 필요한지, OpenAI와 LangChain 같은 프레임워크 통합이 자동으로 잡아 주는 범위가 어디까지인지를 짚습니다. v4에서 수집 경로가 OpenTelemetry로 바뀌면서 달라진 부분, OTLP 엔드포인트와 헤더, gen_ai 속성이 observation 타입으로 매핑되는 규칙, 그리고 짧게 사는 프로세스에서 데이터가 사라지는 이유까지 다룹니다. Langfuse + ClickHouse LLM 트레이싱 시리즈의 두 번째 글입니다.
  • Published on
    Langfuse 화면을 먼저 보면 무엇을 보고 있는지 알 수 없습니다. 이 글은 Langfuse가 수집하는 데이터의 형태부터 정리합니다. trace가 무엇을 묶고 observation이 span·generation·event로 갈리는 기준은 무엇인지, session과 user가 trace 위에 어떤 층으로 얹히는지, score가 어디에 붙는지를 공식 문서 기준으로 확인합니다. RAG 한 번의 호출과 에이전트 한 번의 실행이 각각 어떤 트리로 남는지를 실제 구조로 그려 보고, 관측 데이터를 관계형처럼 상상하면 왜 나중에 질의가 어긋나는지, trace 속성이 observation마다 복사되는 저장 형태가 무엇을 뜻하는지까지 짚습니다. Langfuse + ClickHouse LLM 트레이싱 시리즈의 첫 번째 글입니다.