
Breadcrumb
Breadcrumb · Coding
Breadcrumb ist eine LLM-Tracing-Bibliothek für TypeScript-Apps, die sich wie eine Code-Abhängigkeit installiert und nicht wie ein gehosteter Dienst. Jeder Trace landet in der Datenbank, die Sie ohnehin betreiben, und das Dashboard kommt als Komponente, die Sie in Ihre eigene App einbinden. Das ist selbst gehostetes Tracing im wörtlichsten Sinn. Sie ist für Entwickler gedacht, die KI-Agenten mit gewöhnlichen Abfragen und eigener Authentifizierung debuggen wollen, nicht mit einem weiteren Anbieterkonto.

Über Breadcrumb
Was ist Breadcrumb
Breadcrumb ist ein Tracing-Werkzeug für Teams, die KI-Funktionen in TypeScript bauen. Der Kerngedanke ist Eigentum: Statt Ihre Prompts und Nutzlasten an ein Dashboard eines Drittanbieters zu schicken, schreibt Breadcrumb die Spans in die Datenbank, die Ihre App bereits nutzt. Sie richten eine Instanz auf Ihre Datenbank aus, montieren das Dashboard hinter Ihrer eigenen Anmeldung, und von da an liegen Ihre Tracing-Daten direkt neben Ihrer Benutzertabelle.
Genau dieses Layout ist der Punkt. Weil die Spans in Ihrem Schema leben, können Sie sie mit allem anderen verknüpfen, was Sie speichern. Sie wollen die Kosten pro Kunde auf einer Abrechnungsseite oder die Fehleranzahl pro Mandant? Das sind gewöhnliche Abfragen mit dem ORM, das Sie schon kennen. Ein gehostetes Werkzeug kann das nicht. Es sieht immer nur seine eigenen Daten. Breadcrumb liefert Ihnen die Abfragen, und der Kompromiss ist, dass Sie den Speicher betreiben.
Die wichtigste Grenze ist der Umfang. Breadcrumb richtet sich an TypeScript-Apps auf dem Vercel AI SDK. Läuft Ihr Stack in Python, passt es nicht. Ebenso, wenn Sie null Einrichtung wollen. Die Datenbankarbeit tragen Sie außerdem selbst. Für Teams, die bereits Postgres betreiben, ist das günstig. Für alle anderen ist es ein echter Kostenpunkt.
Erste Schritte
- Installieren Sie das Kernpaket und einen Datenbankadapter von npm und legen Sie dann eine Breadcrumb-Instanz an, die auf Ihre Datenbank und einen Basispfad zeigt.
- Binden Sie die Dashboard-Komponente in Ihre App ein, geschützt durch Ihre eigene Authentifizierung.
- Instrumentieren Sie die Modellaufrufe, indem Sie bc.telemetry() an das AI SDK übergeben, wo es experimental_telemetry akzeptiert.
- Umschließen Sie die umgebende Arbeit, etwa Retrieval, Tool-Aufrufe und DB-Schreibvorgänge, mit bc.trace(), damit alles auf einer Zeitleiste landet.
- Lesen Sie die Traces im Dashboard, oder geben Sie Ihrem Coding-Agenten einen MCP-Schlüssel und lassen Sie ihn sie direkt abfragen.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Breadcrumb.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- TypeScript-Entwickler, die KI-Funktionen bauen
- Backend- und Plattform-Engineers
- Kleine KI-Produktteams ohne eigenes Observability-Budget
Aufgaben
- Eine langsame oder fehlerhafte Agenten-Anfrage debuggen
- Ausgaben pro Kunde verfolgen
- Einen Coding-Agenten das Produktionsverhalten prüfen lassen
Szenarien
- Untersuchen, warum bestimmte Konten abwandern
- Prompt-Daten privat halten
- Fehler über Mandanten hinweg prüfen
Wichtigste Funktionen
Eine Bibliothek, kein Dienst
Breadcrumb installiert sich als Code-Abhängigkeit, was heißt, dass es kein externes Konto und keinen Netzwerksprung für Ihre Trace-Daten gibt. Sie legen eine Instanz an, richten sie auf Ihre Datenbank aus, und sie läuft in Ihrem Prozess. Nichts verlässt Ihre Infrastruktur, außer Sie entscheiden anders. Keine Überraschungen. Für Teams mit strengen Datenregeln ist das oft der ausschlaggebende Punkt.
Traces in Ihrer eigenen Datenbank
Die Spans werden in eine einzige Tabelle normalisiert, breadcrumb_spans, die in der Datenbank lebt, in die Ihre App ohnehin schreibt. Es ist kein Export, kein Webhook und keine Nur-Lese-API über das Schema eines anderen. Ihre Analysen werden zu gewöhnlichen Abfragen mit dem ORM, das Sie nutzen, sodass Sie Traces mit Nutzern, Bestellungen oder allem anderen verknüpfen können, was Sie speichern. Prisma-Nutzer etwa ziehen die Tabelle herein und behandeln sie wie jedes andere Modell.
Automatische Modell-Instrumentierung
Modellaufrufe instrumentieren sich selbst. Sie übergeben bc.telemetry() dort, wo das Vercel AI SDK experimental_telemetry erwartet, und Breadcrumb liest Modell, Anbieter, Token-Zahlen, Kosten und Nutzlasten aus Attributen, die das SDK bereits ausgibt. Es gibt keinen manuellen Span-Aufbau um jeden Aufruf. Das hält das Setup klein und macht es leichter, Tracing zu einem bestehenden Projekt hinzuzufügen, ohne es umzuschreiben.
Zeitleisten-Tracing mit bc.trace()
Die Arbeit um die Modellaufrufe instrumentiert sich nicht selbst, also umschließen Sie sie mit bc.trace(). Retrieval, Tool-Aufrufe und der abschließende Datenbank-Schreibvorgang landen auf derselben Zeitleiste wie die Modell-Spans. Wenn sich eine Anfrage langsam anfühlt, sehen Sie, ob die Verzögerung im Retrieval, in einem Tool oder im Modell selbst liegt, statt zu raten.
MCP-Zugang für Coding-Agenten
Breadcrumb stellt Traces über MCP bereit, sodass ein Agent sie abfragen kann wie ein Entwickler. Sie können einem Coding-Agenten einen Schlüssel geben und ihn durch Produktions-Traces wühlen lassen, oder das Dashboard selbst lesen. Die Option hidePayloads hält rohe Prompts aus dem heraus, was der Agent sieht, was zählt, wenn Traces sensible Nutzereingaben enthalten.
Eigenes Dashboard unter Ihrer Kontrolle
Das Dashboard ist eine Komponente, kein festes SaaS-Bild. Ein gehostetes Werkzeug muss generisch bleiben, weil es die App aller bedient; Ihr eigenes muss nur Ihre bedienen. Sie montieren es hinter Ihrer eigenen Authentifizierung und können zusätzliche Panels als Seiten darin ausliefern. Diese Flexibilität ist schwer zu bekommen, wenn die Dashboard-Oberfläche auf der Domain eines anderen liegt und die App jedes Kunden bedienen muss.
Aufbewahrung ohne Ereignis-Messung
Die Aufbewahrung ist ein Fenster, das Sie pro Umgebung festlegen und das durchgegangen wird, sobald Traces eintreffen. Nichts wird pro Ereignis gemessen, sodass Sie nie Nutzlasten samplen oder verwerfen müssen, nur um eine Rechnung klein zu halten. Sie entscheiden, wie lange Daten bleiben, und Sie behalten vollständige Traces, solange sie da sind.
Vor- und Nachteile
Vorteile
- Traces leben in Ihrer eigenen Datenbank, sodass Sie sie mit Nutzer-, Abrechnungs- und Mandantendaten verknüpfen können.
- Ohne Preis pro Ereignis können Sie vollständige Nutzlasten behalten, statt zur Kostenkontrolle zu samplen.
- Die Instrumentierung ist leicht: Modellaufrufe nehmen Telemetrie automatisch über das AI SDK auf.
- Das Dashboard ist eine Komponente hinter Ihrer eigenen Authentifizierung, sodass Prompt-Daten privat bleiben.
- Die MCP-Unterstützung lässt einen Coding-Agenten Traces direkt abfragen, was Untersuchungen beschleunigt.
Nachteile
- Es richtet sich nur an TypeScript-Apps auf dem Vercel AI SDK, sodass Python oder andere Stacks nicht abgedeckt sind.
- Sie kümmern sich selbst um Datenbank und Speicher, was Arbeit hinzufügt, wenn Sie nicht bereits Postgres betreiben.
- Es gibt keine managed Cloud-Option, sodass Teams, die null Einrichtung wollen, ein anderes Werkzeug brauchen.
Häufige Fragen
Breadcrumb verfolgt LLM-Aufrufe in TypeScript-Apps, damit Sie sehen, was ein KI-Agent getan hat und wohin die Zeit ging. Es zeichnet Modellaufrufe, Retrieval, Tool-Nutzung und Datenbank-Schreibvorgänge auf einer gemeinsamen Zeitleiste auf und behält jeden dieser Spans in einer Datenbank, die Sie kontrollieren, statt bei einem Dritten.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Breadcrumb.
Alternativen zu Breadcrumb
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.
