Vous êtes ici :
Infrastructure d'observabilité Agentforce
Pour qu'un outil d'observabilité puisse afficher ou traiter des données, l'infrastructure de télémétrie de l'agent sous-jacent doit être activée et les données d'activité collectées dans Data 360.
Éditions requises
| Disponible avec : Lightning Experience |
| Disponible avec : Enterprise Edition, Performance Edition, Unlimited Edition et Developer Edition. Les licences complémentaires requises varient selon le type d'agent. |
Traçage des sessions Agentforce
Le Traçage des sessions Agentforce suit la couche d'activité des agents. Il capture chaque tour de parole, étape de raisonnement, action, message et erreur d'un agent pour chaque session, et les stocke dans des objets structurés dans Data 360. Voir Agentforce Session Tracing (Traçage des sessions Agentforce).
Le modèle STDM (Session Tracing Data Model) contient cinq objets organisés dans une hiérarchie d'imbrication :
AiAgentSession: l'enregistrement de niveau supérieur de chaque session. LeSessionEndTypede champ, qui est mappé avec des sessions déviées, escaladées et abandonnées.AiAgentSessionParticipant— qui a participé à la session: contact, piste, utilisateur ou nom d'API de l'agent.AiAgentInteraction— un tour dans la session. LeTopicApiNamede champ identifie le sous-agent qui a géré le tour.AiAgentInteractionStep— une étape discrète dans un tour: appel d'outil, appel Apex, appel de flux ou appel LLM.AiAgentInteractionMessage: le texte d'entrée/sortie réel de chaque tour.
Ces objets alimentent les onglets Efficacité, Utilisation et Santé dans Agent Analytics, et la liste des sessions et Tracer dans l'optimisation de l'agent. Les cinq objets peuvent être interrogés directement via l'éditeur de requête Data 360 pour des agrégations et des jointures personnalisées. Voir Modèle de données pour le traçage des sessions Agentforce pour la référence complète de l'objet.
Traçage de la plate-forme de l'agent
Le Traçage de la plate-forme de l'agent étend la collecte de données à la couche de service, ce qui s'est passé dans l'infrastructure Agentforce pour exécuter les enregistrements de Traçage de session de décision. Lorsque le Traçage de session indique ce que l'agent a décidé et dit, le Traçage de la plate-forme de l'agent indique quel service a été exécuté, pendant combien de temps et avec quel statut. Il capture la télémétrie au niveau du service à travers le moteur de raisonnement Atlas, Apex, Flux, Générateur de répliques, Actions invocables, Passerelle IA, Passerelle LLM et Fédérateur de requête DC. Les données sont stockées dans un objet modèle de données unique, séparé de STDM, et joignables via TelemetryTraceId.
ssot__TelemetryTraceSpan__dlm: relations parent-enfant, durée en nanosecondes, noms d'opération, noms de service et codes de statut.
Ensemble, vous obtenez ainsi une trace distribuée à travers l'écosystème Agentforce complet. Consultez Traçage de plate-forme de l'agent.
Audit et commentaires
Audit et commentaires suit la couche Passerelle LLM. Il capture les entrées et les sorties de chaque appel LLM, y compris le texte d'invite, le texte de réponse, les évaluations Trust, les sorties de garde-fou et les signaux de commentaire des utilisateurs. Pendant que le Traçage de session indique ce que l'agent a fait, Audit et commentaires indique si la réponse du grand livre était précise, sûre et ancrée dans votre source Knowledge.
GenAIGatewayRequest— l'invite et le contexte envoyés au LLMGenAIGatewayResponse: joint la requête de passerelle à sa sortie de générationGenAIGeneration: le texte de réponse généré par LLM, y compris les versions masquées et démasquées, et les paramètres de générationGenAIFeedback: signaux de commentaires des utilisateurs tels que pouce vers le haut/vers le bas.GenAIContentQuality— si une entrée/sortie est sûre/non sûre, y compris la détection de la toxicitéGenAIContentCategory— Résultats du détecteur Trust Layer par type:InstructionAdherence,TaskResolution,TOXICITY,PROMPT_DEFENSE
Les données d'audit et de commentaires sont exposées dans Scores de qualité, Trust et Satisfaction des utilisateurs dans Agent Analytics, et le champ de raisonnement du score de qualité dans Optimisation des agents. Pour les métriques actuelles, voir Agent Analytics et Configuration de l'audit et des commentaires sur l'IA générative Einstein.
Données et métriques de qualité Knowledge/RAG
Les données et métriques de qualité Knowledge/RAG ajoutent un score de qualité de récupération au pipeline Audit et commentaires. Il montre la pertinence de la requête pour la tâche, la fidélité de la réponse à la source Knowledge récupérée et la pertinence de la source Knowledge récupérée pour la requête.
Principaux objets :
GenAIRetrieverRequest: la requête de récupération envoyée à la source KnowledgeGenAIRetrieverResponse: le contexte récupéré renvoyéGenAIRetrieverQualityMetric— Fidélité de la réponse, Pertinence de la réponse et Score de pertinence du contexte
Il remplit les métriques de qualité de récupération dans Scores de qualité dans Agent Analytics, qui signale si la source Knowledge renvoie le contenu approprié, séparé de la qualité de réponse du LLM. Pour les étapes de configuration, voir Configuration des données et métriques de qualité Knowledge/RAG.
Couche de Trust
La Trust Layer est la couche de score de conformité. Il génère des scores d'adhérence et de toxicité des instructions à partir des sorties de la passerelle LLM. Les scores Trust Layer sont stockés dans des GenAIContentCategory et des GenAIContentQuality, les mêmes objets de Audit et de Rétroaction.
Il est exposé dans Trust in Agent Analytics, ce qui permet de déterminer si l'agent suit ses instructions et respecte les limites acceptables en contenus. Voir Einstein Trust Layer pour les étapes de configuration.
Chaque couche alimente une partie différente de la chaîne d'outils d'observabilité. Plus vous activez de couches, plus votre vue du comportement des agents est complète et plus vous pouvez parcourir le cycle de vie de développement des agents avec des preuves.
