Breadcrumb

Breadcrumb s'installe comme une dépendance de code, ce qui signifie qu'il n'y a ni compte externe ni saut réseau pour vos données de trace. Vous créez une instance, vous la pointez vers votre base de données, et elle tourne dans votre processus. Rien ne quitte votre infrastructure, sauf si vous en décidez autrement. Aucune surprise. Pour les équipes soumises à des règles strictes sur les données, c'est souvent le facteur décisif.

Les spans sont normalisés dans une seule table, breadcrumb_spans, qui vit dans la base où votre application écrit déjà. Ce n'est pas un export, un webhook, ni une API en lecture seule sur le schéma d'un autre. Vos analyses deviennent des requêtes ordinaires avec l'ORM que vous utilisez, donc vous pouvez joindre les traces aux utilisateurs, aux commandes ou à tout ce que vous conservez. Les utilisateurs de Prisma, par exemple, importent la table et la traitent comme n'importe quel autre modèle.

Les appels au modèle s'instrumentent d'eux-mêmes. Vous passez bc.telemetry() là où le Vercel AI SDK attend experimental_telemetry, et Breadcrumb lit le modèle, le fournisseur, les comptes de tokens, le coût et les charges utiles à partir d'attributs que le SDK émet déjà. Aucune construction manuelle de spans autour de chaque appel. Cela garde la configuration légère et facilite l'ajout du traçage à un projet existant sans le réécrire.

Le travail autour des appels au modèle ne s'instrumente pas tout seul, alors vous l'enveloppez dans bc.trace(). La récupération, les appels d'outils et l'écriture finale en base atterrissent sur la même chronologie que les spans du modèle. Quand une requête semble lente, vous voyez si le délai se situe dans la récupération, dans un outil ou dans le modèle lui-même, au lieu de deviner.

Breadcrumb expose les traces via MCP, donc un agent peut les interroger comme le ferait un développeur. Vous pouvez confier une clé à un agent de code et le laisser fouiller dans les traces de production, ou lire le tableau de bord vous-même. L'option hidePayloads tient les prompts bruts hors de ce que voit l'agent, ce qui compte quand les traces contiennent des saisies utilisateur sensibles.

Le tableau de bord est un composant, pas un écran SaaS figé. Un outil hébergé doit rester générique parce qu'il sert l'application de tout le monde ; le vôtre n'a qu'à servir la vôtre. Vous le montez derrière votre propre authentification, et vous pouvez ajouter des panneaux supplémentaires comme pages à l'intérieur. Cette souplesse est difficile à obtenir quand l'interface du tableau de bord réside sur le domaine d'un autre et doit servir l'application de chaque client.

La rétention est une fenêtre que vous fixez par environnement et qui est balayée à mesure que les traces arrivent. Rien n'est mesuré par événement, donc vous n'avez jamais à échantillonner ni à abandonner des charges utiles juste pour contenir une facture. Vous décidez combien de temps les données restent, et vous gardez des traces complètes tant qu'elles sont là.