Vercel AI SDK (Python)

使用本儲存庫中的可執行範例，將 Vercel AI SDK (Python) 追蹤傳送到 LiteLLM Lens。

先決條件

您需要一個已啟用追蹤的 LiteLLM 閘道、一組 LiteLLM 金鑰，以及已設定的模型別名。群蜂範例需要支援工具呼叫的模型。進行調查時需要 Lens worker；檢視追蹤不需要。

安裝 uv。它會使用已檢入的 Python 版本，並從其 uv 工作區解析每個範例的相依性。

對於全新的檢出版本：

git clone https://github.com/BerriAI/litellm-lens-example.git
cd litellm-lens-example/vercel-ai-sdk-py
cp .env.example .env

如果您已經複製了儲存庫，請從 vercel-ai-sdk-py/ 執行其餘指令。若 .env.example 不存在，請將其複製到 .env，然後設定：

變數	值
`LITELLM_GATEWAY_URL`	您的閘道基礎 URL，結尾不要有斜線或 `/v1`，例如 `http://localhost:4002`
`LITELLM_API_KEY`	您的 LiteLLM 金鑰
`LITELLM_MODEL`	在您的閘道上設定的模型別名

已檢入的值會指向本機開發閘道。請將其替換為您的部署。保留 .env.example 的匯出器設定；這些範例會在程式碼中設定其追蹤匯出器。它們會使用 LiteLLM 金鑰作為持有人權杖，將追蹤傳送到 LITELLM_GATEWAY_URL/v1/traces。

除非您打算額外將一份追蹤副本傳送到本機 recorder，否則請讓 MOCK_LITELLM_GATEWAY_URL 保持未設定。

一個 research_agent 會使用 Python ai 套件回答一個問題。

uv run --env-file .env --package lens-vercel-ai-sdk-py-simple simple/main.py

實作請參見 simple/main.py。

協調器會透過執行 search_agent 和 writer_agent 的工具進行委派。

uv run --env-file .env --package lens-vercel-ai-sdk-py-swarm swarm/main.py

實作請參見 swarm/main.py。

在範例印出其答案後，請在您的閘道上開啟 Lens > Traces，然後選取新的執行。尋找與 research_agent 相關聯的執行。檢視輸入、輸出和模型 span。對於群蜂，請檢視上方所述的專家活動；其確切的 span 版面配置取決於框架。

Python ai 套件的實驗性 telemetry adapter 會匯出代理程式、工具和模型 span。本機 adapter 會將模型 span 保留在作用中文內文中，因此共用閘道傳輸可以在其下方巢狀排列 request-attempt span。

請參閱 shared gateway transport 以了解 request-attempt 和 spend-correlation 的詳細資訊。

如果模型呼叫失敗，請檢查閘道 URL、金鑰和模型別名。如果答案有出現但追蹤遺失，請檢查終端機中的匯出器錯誤，並確認同一個閘道上已啟用追蹤。模型呼叫成功不代表其追蹤匯出也成功。

此範例使用 Python ai 套件及其實驗性 telemetry API。其相依性與設定方式與 TypeScript 範例不同。