Agentforce Observability インフラストラクチャ
オブザーバビリティツールでデータを表示または処理するには、基盤となるエージェントテレメトリインフラストラクチャを有効にして、Data 360 で活動データを収集する必要があります。
必要なエディション
| 使用可能なインターフェース: Lightning Experience |
| 使用可能なエディション: Enterprise Edition、Performance Edition、Unlimited Edition、および Developer Edition。必要なアドオンライセンスはエージェント種別によって異なります。 |
Agentforce セッション追跡
Agentforce セッショントレーシングは、エージェント活動層を追跡します。エージェントのターン、推論ステップ、アクション、メッセージ、エラーをすべてすべてのセッションで取得し、Data 360の構造化オブジェクトに保存します。「Agentforce Session Tracing」を参照してください。
セッショントレーシングデータモデル (STDM) には、ネスト階層で整理された 5 つのオブジェクトがあります。
AiAgentSession— 各セッションの最上位レコード。FieldSessionEndType。デフレクションされたセッション、エスカレーションされたセッション、放棄されたセッションに対応付けられます。AiAgentSessionParticipant— セッションに参加したユーザー (取引先責任者、リード、ユーザー、エージェントの API 参照名)。AiAgentInteraction— セッション内の 1 ターン。この項目TopicApiNameは、どのサブエージェントがターンを処理したかを識別します。AiAgentInteractionStep:ターン内の1つの個別のステップ(ツール コール、Apexコール、フロー コール、LLMコール)。AiAgentInteractionMessage— 各ターンの実際の入出力テキスト。
これらのオブジェクトは、Agent Analytics の [Effectiveness (効果)]、[Usage (利用状況)]、[Health (健全性)] タブ、および [Agent Optimization (エージェント最適化)] のセッションリストと [Trace (追跡)] にフィードされます。5 つのオブジェクトはすべて、Data 360 クエリエディターを使用してカスタム集計と結合を直接照会できます。オブジェクトの完全なリファレンスについては、「Data Model for Agentforce Session Tracing」を参照してください。
エージェントプラットフォーム追跡
エージェントプラットフォームトレーシングは、データ収集をサービスレイヤーに拡張します。これは、決定セッショントレーシングレコードを実行するために Agentforce インフラストラクチャ内で実行された処理です。セッショントレーシングでは、エージェントが判断して発言した内容を把握できます。エージェントプラットフォームトレーシングでは、実行されたサービス、実行時間、および状況がわかります。Atlasの推論エンジン、Apex、フロー、プロンプトビルダー、呼び出し可能なアクション、AIゲートウェイ、LLMゲートウェイ、DCクエリ統合にわたるサービスレベルのテレメトリを取得します。データは、STDM とは別に 1 つの DMO に保存され、TelemetryTraceId を介して結合できます。
ssot__TelemetryTraceSpan__dlm— 親/子のスパン関係、期間 (ナノ秒)、操作名、サービス名、状況コード。
これにより、Agentforce エコシステム全体に分散トレースが提供されます。「Agent Platform Tracing」を参照してください。
監査とフィードバック
Audit and Feedback (監査とフィードバック) は、LLM ゲートウェイレイヤーを追跡します。プロンプト テキスト、応答テキスト、Trust 評価、ガードレール出力、ユーザ フィードバック信号など、すべての LLM コールの入力と出力を取得します。セッション トレーシングではエージェントが実行した操作が示されますが、監査とフィードバックでは、LLM 応答が正確で安全であり、Knowledge ソースに基づいているかどうかが示されます。
GenAIGatewayRequest— LLM に送信されるプロンプトとコンテキストGenAIGatewayResponse— ゲートウェイ要求をその生成出力に結合します。GenAIGeneration— LLM で生成された応答テキスト (マスクされたバージョンとマスク解除されたバージョン、生成パラメータを含む)GenAIFeedback— ユーザーからのフィードバックは、上向き/下向きなどの合図です。GenAIContentQuality— 毒性検出を含め、入出力が安全か安全かを判断するGenAIContentCategory：タイプ別の Trust Layer ディテクタの結果（InstructionAdherence、TaskResolution、TOXICITY、PROMPT_DEFENSE）
監査およびフィードバック データは、Agent Analytics の [Quality Scores (品質スコア)]、[Trust (信頼)]、[User Satisfaction (ユーザー満足度)]、および [Agent Optimization (エージェント最適化)] の [Quality Score reasoning (品質スコアの理由)] フィールドに表示されます。現在の総計値については、「Agent Analytics」および「Set Up Einstein Generative AI Audit and Feedback」を参照してください。
Knowledge/RAG 品質データおよびメトリクス
Knowledge/RAG Quality Data and Metricsでは、取得品質スコアが監査およびフィードバック パイプラインに追加されます。クエリが ToDo にどの程度関連しているか、取得したKnowledgeソースにどの程度忠実であるか、取得したKnowledgeソースがクエリにどの程度関連しているかを取得します。
主要なオブジェクト:
GenAIRetrieverRequest— Knowledgeソースに送信される取得クエリGenAIRetrieverResponse— 返された取得済みコンテキストGenAIRetrieverQualityMetric— アンサーの忠実度、アンサーの関連性、コンテキストの関連性スコア
Agent Analytics の品質スコアの取得品質総計値が入力されます。これにより、LLM の応答品質とは別に、Knowledge ソースが正しいコンテンツを返しているかどうかが示されます。設定手順については、「Set Up Knowledge/RAG Quality Data and Metrics(ナレッジ/RAG品質データと総計値の設定)」を参照してください。
Trustレイヤー
Trust Layerはコンプライアンス スコアリング レイヤーです。LLM Gateway の出力から命令遵守スコアと毒性スコアを生成します。Trust Layerスコアは、監査とフィードバックの同じオブジェクトであるGenAIContentCategoryとGenAIContentQualityに保存されます。
Trust in Agent Analytics に表示されるため、エージェントが指示に従っていて、許容されるコンテンツの範囲内に収まっているかどうかを可視化できます。設定手順については、「Einstein Trust Layer」を参照してください。
各レイヤーは、オブザーバビリティツールチェーンの異なる部分を強化します。有効にするレイヤーが多いほど、エージェントの動作をより詳細に把握でき、エージェント開発ライフサイクルでより多くの証拠を操作できます。
