# Strands Agents
Auf dieser Seite wird erklärt, wie ein [Strands Agents-Agent](https://strandsagents.com/latest/) instrumentiert wird, wie Spans identifiziert werden und wie Bewertungsfelder extrahiert werden.
**Topics**
+ [Instrumentieren Sie Ihren Agenten](#strands-instrument)
+ [Wie werden Spannweiten identifiziert](#strands-span-identification)
+ [Wie werden Bewertungsfelder extrahiert](#strands-extraction)
+ [Aus Ereignisaufzeichnungen](#strands-extraction-event-records)
+ [Aus Inline-Span-Ereignissen](#strands-extraction-inline-events)
+ [Beispiel für Spans mit Ereignisdatensätzen](#strands-examples-with)
+ [Beispiel für Spans ohne Ereignisdatensätze](#strands-examples-without)
## Instrumentieren Sie Ihren Agenten
Das Strands Agents SDK enthält integrierte Telemetrie und erfordert keine zusätzliche Instrumentierungsbibliothek. Es erzeugt Spans und Ereignisdatensätze unter dem Bereichsnamen. `strands.telemetry.tracer` Bei der Bereitstellung auf Amazon Bedrock AgentCore Runtime mit der AWS Distribution for OpenTelemetry (ADOT) fügt die Runtime das `session.id` Attribut ein und exportiert automatisch Spans und Event-Datensätze.
**Anmerkung**
Die Instrumentierung ist ein Schritt bei der Einrichtung der Beobachtbarkeit. Um Telemetrie zur Auswertung zu exportieren, schließen Sie die vollständigen Einstellungen unter Beobachtbarkeit [einrichten](supported-frameworks.md#supported-frameworks-setup) ab.
## Wie werden Spannweiten identifiziert
Strands legt das `gen_ai.operation.name` Attribut für jeden Bereich fest. Der Bewertungsdienst verwendet dieses Attribut, um Bereiche zu klassifizieren:
| Art der Spanne | Identifizierendes Attribut | Beispiel für einen Spannamen |
| --- | --- | --- |
| Agent aufrufen | `gen_ai.operation.name` = `invoke_agent` | `invoke_agent TravelAgent` |
| Tool ausführen | `gen_ai.operation.name` = `execute_tool` | `execute_tool search_flights` |
| Inferenz | `gen_ai.operation.name` = `chat` | `chat` |
## Wie werden Bewertungsfelder extrahiert
Der Speicherort der Konversationsinhalte hängt davon ab, wie Telemetriedaten erfasst wurden. Wenn ADOT die Telemetrie aufteilt, befindet sich der Inhalt in einem separaten Ereignisdatensatz. Wenn die Telemetrie nicht aufgeteilt wird, verbleibt der Inhalt als Inline-Ereignisse in der Spanne. Weitere Informationen finden Sie unter [Spans, Ereignisdatensätze und Telemetriesignale](supported-frameworks-telemetry.md). Das identifizierende Attribut (`gen_ai.operation.name`) befindet sich in beiden Fällen auf der Spanne.
### Aus Ereignisaufzeichnungen
Wenn die Telemetrie aufgeteilt wird, liest der Dienst Inhalte aus dem Ereignisdatensatz, der jeder Spanne zugeordnet ist:
+ **Benutzeraufforderung**: Aus den Eingabenachrichten des Agenten (`input.messages`) wird der Inhalt der Nachricht mit einer Benutzerrolle angezeigt.
+ **Antwort des Agenten**: aus den Agentenausgangsnachrichten (`output.messages`) der Inhalt der Nachricht mit der Rolle eines Assistenten.
+ **Werkzeugaufruf**: Der Werkzeugname aus dem `gen_ai.tool.name` Attribut im Bereich des Ausführungswerkzeugs. Die Werkzeugargumente und das Ergebnis stammen aus dem Ereignisdatensatz (`input`und`output`) dieser Spanne.
Beispiele finden Sie unter [Beispiel für Spans mit Ereignisdatensätzen](#strands-examples-with).
### Aus Inline-Span-Ereignissen
Wenn die Telemetrie nicht aufgeteilt wird, wird derselbe Inhalt in Inline-Span-Ereignissen anstelle eines separaten Ereignisdatensatzes übertragen:
+ **Benutzeraufforderung**: aus dem `gen_ai.user.message` Ereignis, das `content` Attribut.
+ **Antwort des Agenten**: aus dem `gen_ai.choice` Ereignis, das `message` Attribut.
+ **Werkzeugaufruf**: Der Werkzeugname aus dem `gen_ai.tool.name` Attribut im Span. Die Werkzeugargumente stammen aus dem `gen_ai.tool.message` Ereignis, und das Ergebnis stammt aus dem `gen_ai.choice` Ereignis.
Beispiele finden Sie unter [Beispiel für Spans ohne Ereignisdatensätze](#strands-examples-without).
## Beispiel für Zeitspannen mit Ereignisdatensätzen
Wenn die Telemetrie aufgeteilt wird, enthält die Spanne die identifizierenden Attribute und der Inhalt befindet sich in einem korrelierten Ereignisdatensatz. Die folgenden Beispiele stammen von einem Reiseplanungsagenten von Strands, der auf Amazon AgentCore Bedrock Runtime eingesetzt wurde.
**Anmerkung**
Bei diesen Beispielen handelt es sich nicht um vollständige Zeitspannen. Sie zeigen repräsentative Daten aus einer echten Agenteninteraktion, wobei einige Felder weggelassen und lange Werte aus Gründen der Lesbarkeit gekürzt wurden.
**Example**
Das `gen_ai.operation.name` Attribut (`invoke_agent`) identifiziert dies als eine Spanne für den Aufruf-Agenten. Das `gen_ai.agent.tools` Attribut listet die Tools auf, die dem Agenten zur Verfügung stehen.
```
{
"traceId": "69e9cc4771d7cabe0d8e8cea33b6b338",
"spanId": "d24936b8989b6d42",
"parentSpanId": "0ff3498548044e4b",
"name": "invoke_agent TravelAgent",
"kind": "INTERNAL",
"scope": {
"name": "strands.telemetry.tracer",
"version": ""
},
"startTimeUnixNano": 1776929864011990383,
"endTimeUnixNano": 1776929869634304466,
"durationNano": 5622314083,
"attributes": {
"gen_ai.operation.name": "invoke_agent",
"gen_ai.system": "strands-agents",
"gen_ai.agent.name": "TravelAgent",
"gen_ai.request.model": "us.anthropic.claude-sonnet-4-20250514-v1:0",
"gen_ai.usage.input_tokens": 983,
"gen_ai.usage.output_tokens": 232,
"gen_ai.usage.total_tokens": 1215,
"gen_ai.agent.tools": "[\"search_flights\", \"book_flight\", \"search_hotels\", \"book_hotel\", \"search_activities\", \"book_activity\"]",
"session.id": "sea-nyc-trip-2-turns-adot_v17-20260423003743"
},
"status": {
"code": "OK"
}
}
```
Der korrelierte Ereignisdatensatz enthält den Inhalt der Konversation. Die Benutzeraufforderung ist die Nachricht in der Benutzerrolle`input.messages`, und die Antwort des Agenten ist die Nachricht der Assistentenrolle in. `output.messages`
```
{
"spanId": "d24936b8989b6d42",
"traceId": "69e9cc4771d7cabe0d8e8cea33b6b338",
"scope": {
"name": "strands.telemetry.tracer"
},
"body": {
"input": {
"messages": [
{
"role": "user",
"content": "Hey, how can you help me"
}
]
},
"output": {
"messages": [
{
"role": "assistant",
"content": {
"message": "Hi there! I'm your travel planning assistant ...",
"finish_reason": "end_turn"
}
}
]
}
}
}
```
Das `gen_ai.operation.name` Attribut (`execute_tool`) identifiziert dies als einen Bereich für das Ausführungstool. Das `gen_ai.tool.name` Attribut enthält den Namen des Werkzeugs.
```
{
"traceId": "69e9cc4d132b180909ba49f613f273dd",
"spanId": "fff785ce12d6fda8",
"parentSpanId": "96915bf5ecc78743",
"name": "execute_tool search_flights",
"kind": "INTERNAL",
"scope": {
"name": "strands.telemetry.tracer",
"version": ""
},
"startTimeUnixNano": 1776929872258292842,
"endTimeUnixNano": 1776929872259611427,
"durationNano": 1318585,
"attributes": {
"gen_ai.operation.name": "execute_tool",
"gen_ai.tool.name": "search_flights",
"gen_ai.tool.call.id": "tooluse_hiWwdtThuD67G5cK8cp5mj",
"gen_ai.tool.status": "success",
"gen_ai.tool.description": "Search for available flights between cities.",
"session.id": "sea-nyc-trip-2-turns-adot_v17-20260423003743"
},
"status": {
"code": "OK"
}
}
```
Der korrelierte Ereignisdatensatz enthält die Werkzeugeingabe (Argumente) und die Ausgabe (Ergebnis).
```
{
"spanId": "fff785ce12d6fda8",
"traceId": "69e9cc4d132b180909ba49f613f273dd",
"scope": {
"name": "strands.telemetry.tracer"
},
"body": {
"input": {
"messages": [
{
"role": "tool",
"content": {
"content": "{\"origin\": \"SEA\", \"destination\": \"NYC\", \"date\": \"2025-03-15\"}",
"role": "tool",
"id": "tooluse_hiWwdtThuD67G5cK8cp5mj"
}
}
]
},
"output": {
"messages": [
{
"role": "assistant",
"content": {
"message": "[{\"text\": \"{\\\"origin\\\": \\\"SEA\\\", \\\"destination\\\": \\\"NYC\\\", \\\"flights\\\": [ ... ]}\"}]",
"id": "tooluse_hiWwdtThuD67G5cK8cp5mj"
}
}
]
}
}
}
```
## Beispiel für Zeiträume ohne Ereignisdatensätze
Wenn die Telemetrie nicht aufgeteilt wird, wird derselbe Inhalt in Inline-Span-Ereignissen innerhalb der Spanne übertragen, ohne dass ein separater Ereignisdatensatz vorhanden ist. Die folgenden Beispiele stammen von einem Reiseplanungsbüro von Strands.
**Anmerkung**
Bei diesen Beispielen handelt es sich nicht um vollständige Zeitspannen. Sie zeigen repräsentative Daten aus einer echten Agenteninteraktion, wobei einige Felder weggelassen und lange Werte aus Gründen der Lesbarkeit gekürzt wurden.
**Example**
Das `gen_ai.user.message` Ereignis enthält die Benutzeraufforderung und das `gen_ai.choice` Ereignis enthält die Antwort des Agenten.
```
{
"traceId": "69e9cc4771d7cabe0d8e8cea33b6b338",
"spanId": "d2ee0e4765cc773e",
"name": "invoke_agent TravelAgent",
"kind": "INTERNAL",
"scope": {
"name": "strands.telemetry.tracer"
},
"attributes": {
"gen_ai.operation.name": "invoke_agent",
"gen_ai.agent.name": "TravelAgent",
"session.id": "sea-nyc-trip-2-turns-unified"
},
"events": [
{
"name": "gen_ai.user.message",
"attributes": {
"content": "[{\"text\": \"Hey, how can you help me\"}]"
}
},
{
"name": "gen_ai.choice",
"attributes": {
"message": "Hi there! I'm your travel planning assistant ...",
"finish_reason": "end_turn"
}
}
]
}
```
Das `gen_ai.tool.message` Ereignis enthält die Tool-Argumente und das `gen_ai.choice` Ereignis enthält das Tool-Ergebnis.
```
{
"traceId": "69e9cc4d132b180909ba49f613f273dd",
"spanId": "0a988e27758ebb53",
"name": "execute_tool search_flights",
"kind": "INTERNAL",
"scope": {
"name": "strands.telemetry.tracer"
},
"attributes": {
"gen_ai.operation.name": "execute_tool",
"gen_ai.tool.name": "search_flights",
"gen_ai.tool.call.id": "tooluse_JuGterOaZfQV2c55Rp3S7C",
"gen_ai.tool.status": "success",
"session.id": "sea-nyc-trip-2-turns-unified"
},
"events": [
{
"name": "gen_ai.tool.message",
"attributes": {
"content": "{\"origin\": \"SEA\", \"destination\": \"NYC\", \"date\": \"2025-03-15\"}",
"role": "tool",
"id": "tooluse_JuGterOaZfQV2c55Rp3S7C"
}
},
{
"name": "gen_ai.choice",
"attributes": {
"message": "[{\"text\": \"{\\\"origin\\\": \\\"SEA\\\", \\\"destination\\\": \\\"NYC\\\", \\\"flights\\\": [ ... ]}\"}]",
"id": "tooluse_JuGterOaZfQV2c55Rp3S7C"
}
}
]
}
```