mcpField
D
debug-agent

debug-agent

github.com/mlflowテスト・品質82232 回インストール2 日前に更新
リポジトリ

debug-agent について

debug-agentは、MLflowのトレースを用いてAgentの障害を診断するワークフロースキルです。トレースの根拠から原因と想定される修正を示し、依頼がない限りコードは変更しません。

主な機能

  1. 01該当するMLflowトレースの検索と確認
  2. 02トレースの根拠とソースコードの照合
  3. 03挙動、根拠、原因、確信度の報告
  4. 04診断のみの依頼ではコードを変更しない

活用シーン

  1. 01既存トレースを使ったAgent障害の調査
  2. 02有効なトレースがない場合の問題再現
  3. 03確認済みの診断を修正ワークフローへ引き継ぐ

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/mlflow/skills --skill debug-agent

インストール後、Claude Code で/debug-agentを入力して読み込まれたか確認します。

同梱ファイルagents/openai.yaml

詳細

Debug Agent

失敗を診断し、証拠を報告します。ユーザーが修正も求めている場合を除き、エージェントを編集しないでください。動作の変更については、診断後に fix-agent-issue に引き継いでください。

ワークフロー

  1. 既存のトレーシング設定、トラッキング URI、実験を確認します。トレーシングがすでに機能している場合は、MLflow の再インストールや再計装を提案しないでください。
  2. 報告された入力、時刻、セッション、ユーザー、またはトレース ID に一致するトレースを探します。一致するものがあれば、それを直接使用してください。ワークフローを満たすだけのために、本番環境限定または外部依存の障害を再現しないでください。
  3. 使用可能なトレースがない場合に限り、通常の計装済みエントリーポイントを通じて問題を一度再現し、生成されたトレースを取得します。再現が安全でない、または不可能な場合は、不足している証拠を説明して停止してください。
  4. 一致するトレースのスパンを一つずつ調べます。まずアセスメントを読み、次に入力、出力、エラー、LLM 呼び出し、検索結果、ツール呼び出しを確認します。トレースの詳細な構造を把握するには analyze-mlflow-trace を使用してください。
  5. 必要に応じて、トレースの証拠とソースコードを照合します。ソースを読むことは問題ありませんが、トレースと照合して確認する前に診断を確定しないでください。
  6. 次の内容を報告します。観察された動作、期待される動作、トレースの証拠、根本原因、確信度、最小限の修正案。診断のみを求める依頼では、テストやスコアラーを作成しないでください。

境界

  • アプリケーションが計装されていないためトレースを生成できない場合は、 instrumenting-with-mlflow-tracing を読み込み、制約を説明してください。
  • 具体的なトレースを特定でき、かつ許可されている場合に限り、ユーザーの申し立てを HUMAN フィードバックとして記録してください。
  • ユーザーが修正の実装を求めた場合は、トレース ID と診断内容を添えて fix-agent-issue を呼び出し、編集前に回帰テストを作成できるようにしてください。

コメント