News
AgentSight - eBPF-Observability für KI-Agenten ohne Code-Änderungen
Alibaba hat AgentSight als Open Source veröffentlicht – ein Observability-Tool für KI-Agenten, das auf eBPF basiert. Es erfasst LLM-API-Aufrufe, Token-Verbrauch und Prozessverhalten auf Kernel-Ebene, ohne dass Agent-Code modifiziert werden muss. “Zero instrumentation” ist das Schlüsselwort: Entwickler müssen ihre KI-Agenten nicht anpassen, um vollständige Observability zu erhalten.
Was AgentSight erfasst
- LLM API-Aufrufe: Welche Modelle werden aufgerufen, mit welchen Parametern, wie lange dauern die Requests
- Token-Verbrauch: Wie viele Tokens werden pro Aufruf verbraucht, was kostet das
- Prozessverhalten: CPU, Memory, File-System- und Netzwerkzugriffe des Agent-Prozesses
eBPF als Basis
eBPF (extended Berkeley Packet Filter) erlaubt das Ausführen von Sandbox-Programmen im Linux-Kernel ohne Kernel-Module zu laden. AgentSight nutzt dies, um System-Aufrufe und Netzwerk-Traffic auf Kernel-Ebene abzufangen. Da keine Code-Änderungen nötig sind, funktioniert es mit jedem KI-Agenten-Framework – egal ob LangChain, CrewAI, AutoGen oder Custom-Code.
Das Tool ist Teil des größeren Anolisa-Projekts von Alibaba, das Agent-Security, Token-Saving und Runtime-Management für KI-Agenten abdeckt. Mit 371 Stars und 95 Forks auf GitHub zeigt das Projekt bereits spürbares Interesse. eBPF-basierte Observability für KI-Agenten ist ein wachsender Bereich – traditionelle APM-Tools wurden nicht für die Komplexität von LLM-Agenten-Pipelines entwickelt.