Python agent release notesRSS

Adicionados comandos do Redis introduzidos no Redis v8.10.0 e redis-py v8.1.0

• O agente Python agora suporta os seguintes comandos adicionados recentemente no Redis:

  • himport_discard_all
  • himport_discard
  • himport_prepare
  • lmovem
  • nrange
  • nrevrange
  • querylabels
  • read
  • sdiffcard
  • sunioncard
  • aliaslist

Eventos LlmChatCompletion ausentes corrigidos no Gemini ao usar ferramentas MCP

• Anteriormente, os eventos LlmChatCompletionMessages e LlmChatCompletionSummary estavam ausentes no Gemini ao usar ferramentas em um agente LangChain, se o formato de resposta não fosse o JSON padrão. Isso foi resolvido.

Trocado para o ID de cache de trace no LangChain e no framework do agente

• Para fins de propagação de contexto, a instrumentação do LangChain e do framework do agente deve ser trocada para armazenar apenas o ID de cache de trace em vez do trace completo em um atributo de referência. Isso serve para evitar que esses objetos sejam serializados inesperadamente em caso de vazamentos. O ID é um objeto muito menor, enquanto o trace pode conter MBs de dados.

Adicionar suporte para a configuração no lado do servidor do AI Monitoring

• O agente Python agora suporta a configuração no lado do servidor do AI Monitoring. Quando configurados, os valores ai_monitoring.enabled, ai_monitoring.record_content.enabled e ai_monitoring.streaming.enabled no lado do servidor têm precedência sobre as configurações locais.

Adiciona propagação de contexto para invocações do Bedrock através do Agent Framework

• Propaga o contexto do trace através dos limites de thread criados pela integração do Bedrock do Microsoft Agent Framework. Isso permite que a instrumentação existente do botocore do agente capture eventos de LLM para invocações do Bedrock feitas através do Agent Framework. Isso não adiciona instrumentação completa do próprio Agent Framework.

Corrigir nomes de transação inconsistentes ao usar o Wagtail

• Anteriormente, os nomes de transação para aplicativos criados no Wagtail eram inconsistentes e podiam ser os mesmos para diferentes visualizações de página. O problema foi resolvido.

Corrige entidades de ferramenta duplicadas para ferramentas do LangChain com suporte de um servidor MCP remoto

• Anteriormente, quando uma ferramenta do LangChain era apoiada por um servidor MCP remoto que também era instrumentado separadamente, entidades de ferramenta duplicadas apareciam na interface. Isso foi corrigido desativando os atributos de subcomponentes das ferramentas do LangChain quando uma ferramenta remota conhecida é detectada.

Corrige o campo de entrada do usuário ausente para chamadas de ferramenta MCP do LangChain e LangGraph

• Anteriormente, quando o LangChain ou o LangGraph usavam ferramentas de um servidor MCP, o campo de entrada do usuário podia estar ausente dos dados do AI Monitoring se a mensagem de entrada não fosse a última mensagem na sequência transmitida. Isso foi corrigido, e o agente agora extrai corretamente a mensagem de entrada nesses casos.

Reduzir o risco de condição de corrida no amostrador de dados de coleta de lixo

• Anteriormente, o agente sempre chamava gc.get_objects() para amostrar as contagens de objetos do coletor de lixo, independentemente da configuração. Isso foi alterado para que gc.get_objects() seja chamado apenas quando top_object_count_limit estiver configurado acima de 0, evitando a iteração desnecessária de heap para clientes que não rastreiam os tipos de objetos coletados pelo coletor de lixo.

Remover a codificação de bytes dos cabeçalhos de distributed tracing de saída do Kombu

• Anteriormente, os cabeçalhos de distributed tracing adicionados pela instrumentação do Kombu eram codificados em bytes, o que quebrava os transportes que serializam cargas com o módulo json da biblioteca padrão (por exemplo, transportes apoiados pelo SQLAlchemy). A codificação de bytes foi removida para que esses transportes funcionem corretamente.

Adicionada instrumentação para Google ADK

• O agente Python agora instrumenta os fluxos de trabalho de agente de IA do Google ADK (Agent Development Kit).

• Componentes instrumentados incluem:

  • LlmAgent vinculado a backends do Gemini ou VertexAI via google.genai
  • Instâncias de FunctionTool definidas pelo usuário
  • Fluxos de trabalho de subagentes, incluindo agentes filhos e instâncias de AgentTool
  • Fluxos de trabalho multiagente incluindo a classe Workflow e as classes descontinuadas LoopAgent, ParallelAgent e SequentialAgent

Adicionada contagem de tokens para Anthropic, Gemini, OpenAI e Bedrock

• O agente Python agora relata as contagens de token para todas as invocações de LLM em vários provedores de IA:

  • SDK da Anthropic
  • Google GenAI SDK
  • OpenAI SDK
  • AWS Bedrock via botocore e aiobotocore

Corrigida falha de instrumentação para graphql-core v3.2.10

• Anteriormente, o graphql-core v3.2.10 renomeou o atributo errors para collected_errors em ExecutionContext, fazendo com que o agente falhasse. Isso foi corrigido, e o agente agora funciona corretamente com o graphql-core v3.2.10 e versões posteriores.

Removido spanId do cabeçalho tracestate de saída

• Anteriormente, o agente incluía spanId no cabeçalho tracestate de saída. Como spanId já está presente no cabeçalho traceparent, isso era uma duplicação desnecessária. O spanId foi removido de tracestate para reduzir o tamanho do cabeçalho de saída.

Adicionar informações adicionais do modelo aos eventos de LLM da cadeia do LangChain

• Adicione os atributos request.model e response.model aos eventos de LLM produzidos por cadeias do LangChain.
• Essas informações são coletadas com base no melhor esforço e podem não estar sempre disponíveis.

Corrigir TypeError na instrumentação de streaming do LangGraph

• Anteriormente, ao usar um subconjunto de APIs de streaming no LangGraph, o agente encontrava um TypeError devido ao uso de weakref.WeakMethod pelo LangGraph. Isso foi corrigido, e o agente agora deve funcionar corretamente com esses métodos de streaming do LangGraph.