Utforska: Sök och inspektera produktionsspår
På denna sida
Lektionen omskriven den 2 november 2026 baserat på Mistrals sidor Send traces och Explore traces samt
mistralaiSDK 3.7.0: Utforskaren fokuserar på OpenTelemetry-spår som frågas via ett sökuttrycksspråk; den äldre metodenchat_completion_events.searchfinns inte längre. Källor: Send traces · Explore traces.
Utforskaren: Ditt fönster mot produktionen
Trace Explorer är platsen där du söker, filtrerar och inspekterar varje spår som flödar genom dina AI-applikationer. Du hittar den i Studio under Observability → Traces. Spår visas dock inte där om du inte aktiverar dem först: spårning är inaktiverad som standard.
Skicka spår
Med Python SDK installerar du tillägget för telemetri (mistralai[telemetry], version 2.4.13 eller senare) och aktiverar det sedan på klienten:
from mistralai.client import Mistral
from mistralai.extra.observability import configure_telemetry
client = Mistral(api_key="your-api-key")
configure_telemetry(client)
Från och med då spårar SDK automatiskt modellanrop, inbäddningar, agentoperationer, FIM-kompletteringar och OCR. Anrop till dina egna verktyg spåras inte automatiskt: du måste lägga till deras span med SDK:ns tracer.
from mistralai.extra.observability import get_telemetry_tracer
tracer = get_telemetry_tracer(client, "agent-support")
with tracer.start_as_current_span("invoke_agent"):
response = client.chat.complete(
model="mistral-small-latest",
messages=[{"role": "user", "content": "What is the status of order 4521?"}],
)
with tracer.start_as_current_span("execute_tool order_tracking") as span_tool:
span_tool.set_attribute("gen_ai.tool.name", "order_tracking")
span_tool.set_attribute("gen_ai.tool.call.arguments", "4521")
# call your tool here
Andra källor beter sig annorlunda: Workflows spårar varje körning så snart OTEL_ENABLED=true är inställt på tjänsten, medan Vibe Work aktiveras via en admin-inställning i Studio. TypeScript SDK erbjuder configureTelemetry. Däremot skickar varken Vibe Code (CLI och Web) eller Studio Playground några spår. Alla källor rensar en del av datan som standard före export; sidan Data redaction beskriver denna policy och hur du justerar den.
Vad ett spår innehåller
Ett spår är ett träd av span, där varje span representerar en operation i kedjan:
| Fält | Innehåll |
|---|---|
| Trace ID | Identifierare för hela exekveringskedjan |
| Spans | Operationer: modellanrop, verktygsanrop, workflow-steg |
| Duration | Tid för varje span och hela spåret |
| Tokens | Inmatnings- och utmatningstokens för varje modellanrop |
| Status | Lyckat eller fel, inklusive felmeddelandet |
| Source | Ursprungsprodukt: SDK, Workflows, Vibe Work |
| Tags | Etiketter applicerade av SDK och automatisk metadata, såsom modellen |
Om du klickar på ett spår öppnas dess span-träd; varje span expanderas för att visa inmatning, utmatning, latens och tokens.
Sökspråket
Utforskaren accepterar ett uttrycksspråk: villkor på spårfält kombinerade med AND, OR och NOT.
| Kategori | Operatorer | Exempel |
|---|---|---|
| Jämförelse | =, !=, <, <=, >, >= | duration_ns > 5000000000 |
| Mönster | LIKE, ILIKE, NOT LIKE | service_name LIKE '%agent%' |
| Delsträng | CONTAINS, NOT CONTAINS | service_name CONTAINS 'sdk' |
| Reguljärt uttryck | REGEXP, NOT REGEXP | service_name REGEXP '^my-' |
| Intervall | BETWEEN ... AND ... | duration_ns BETWEEN 1000000 AND 5000000000 |
| Lista | IN (...), NOT IN (...) | status_code IN ('Error', 'Ok') |
| Förekomst | EXISTS, NOT EXISTS | error_message EXISTS |
Tillgängliga fält inkluderar service_name, status_code (Ok eller Error), duration_ns (i nanosekunder), error_message, start_time, models_used (en lista) samt alla span-attribut med klammersyntax: span_attributes['gen_ai.request.model']. För listor kompletterar has(models_used, 'mistral-medium-latest'), hasany(...) och hasall(...) funktionen CONTAINS.
# Alla misslyckade spår från en tjänst
service_name = 'agent-support' AND status_code = 'Error'
# Spår längre än 5 sekunder
duration_ns > 5000000000
# Spår som anropade en specifik modell
span_attributes['gen_ai.request.model'] CONTAINS 'mistral-large'
Om en sökning inte ger några resultat tar du bort alla villkor utom tidsintervallet och lägger sedan till dem ett efter ett. Ett vanligt misstag är att filtrera på status_code = 'Error' när de flesta spår lyckas.
Fråga spår via SDK
Du kan utföra samma sökningar programmatiskt över ett tidsintervall:
from datetime import datetime, timedelta, timezone
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
now = datetime.now(timezone.utc)
response = client.beta.observability.traces.search(
from_=now - timedelta(days=1),
to=now,
search_expression="service_name = 'agent-support' AND status_code = 'Error'",
page_size=50,
)
for trace in response.traces.results or []:
print(f"{trace.trace_id} {trace.root_span_name} : {trace.duration_ns / 1e9:.1f} s")
Svaret använder cursor-baserad paginering. API-referensen dokumenterar slutpunkterna Traces och Spans (sökning, enskilt spår, möjliga fält och värden, span för ett spår).
Lägga till span i en datamängd
Utforskaren fungerar också som startpunkt för testdatamängder. Från ett spår erbjuder menyn för en span alternativet Add span to dataset; i vyn Spans kan du välja upp till 500 åt gången och mappa varje span-fält till ett postfält. Denna funktion relaterar till offline-utvärderingar, som är reserverade för Enterprise-organisationer (Lektion 15).
Viktiga punkter
- Spårning är inaktiverad som standard:
configure_telemetry(client)aktiverar det för Python SDK,OTEL_ENABLED=trueför Workflows - Modellanrop spåras automatiskt; verktygsanrop kräver manuell spårning med
get_telemetry_tracer - Utforskaren filtrerar spår med ett uttrycksspråk (
service_name,status_code,duration_ns,span_attributes['…']) - SDK exponerar samma sökfunktion:
client.beta.observability.traces.search(search_expression=...) - Intressanta span blir poster i en datamängd med ett enda klick eller i batchar om 500