Foglamp
Foglamp Labs · Programmation
Foglamp est une plateforme d'observabilité pour agents IA qui surveille les appels LLM que votre application effectue et les transforme en coûts, chiffres de latence, traces distribuées, évaluations et alertes. Elle se branche au Vercel AI SDK en deux lignes de code, si bien que les équipes qui construisent des agents IA voient ce qu'a coûté chaque appel à un modèle, sa lenteur et où les sorties ont mal tourné avant que les utilisateurs ne le remarquent.
À propos de Foglamp
Qu'est-ce que Foglamp
Foglamp est la couche d'observabilité du Vercel AI SDK. Il assure l'observabilité des agents IA en capturant chaque appel à generateText et streamText que votre code exécute, puis en décomposant ces appels par modèle, par agent et par client pour que vous cessiez de deviner d'où viennent votre budget et vos bugs. En tant qu'outil de monitoring IA, il se place entre le code de votre agent et les modèles qu'il appelle.
Le problème qu'il résout est simple à énoncer et pénible à vivre. Dès que vous mettez un agent IA en production, le coût et la qualité dérivent en silence. Un changement de prompt peut doubler l'usage de tokens. Un changement de modèle peut ajouter des secondes de latence. Une mauvaise sortie peut passer sans que personne ne la repère. Foglamp rend ces décalages visibles.
Il est open source sous Apache 2.0, et vous pouvez l'héberger vous-même. Cela compte si vos prompts et vos réponses ne peuvent pas quitter votre infrastructure. La réserve tient à l'orientation. Foglamp est conçu d'abord pour le Vercel AI SDK. Les équipes sur d'autres frameworks en tirent moins de valeur aujourd'hui.
Pour commencer
- Créez une clé API Foglamp dans le tableau de bord, ou imprimez-en une depuis le script de seed si vous l'hébergez vous-même. La clé commence par
fl_. - Installez le paquet avec
npm i foglamp(également disponible pour pnpm, bun et yarn). - Définissez
FOGLAMP_API_KEYdans votre environnement. Si la clé manque, Foglamp ne fait rien et rien ne casse, ce qui permet de la laisser dans chaque environnement sans risque. - Enveloppez le module
aiavecwrap()et nommez vos appels avecfog.with({ agentName: "..." }). Sur AI SDK v7, ajoutez l'intégration au tableau de télémétrie de chaque appel. - Lancez votre application, puis ouvrez le tableau de bord pour voir arriver traces, coûts et latence.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Foglamp.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Les ingénieurs IA qui déploient des agents sur le Vercel AI SDK
- Les petites équipes produit qui surveillent la dépense IA
- Les entreprises soucieuses de la confidentialité
Tâches
- Suivre le coût LLM par modèle et par client
- Déboguer des exécutions lentes d'agent
- Noter le trafic de production
Cas d'usage
- Lancer un nouvel agent en production
- Auditer une migration de modèle
- Faire tourner des workflows multi-agents
Fonctionnalités clés
Intelligence des coûts
Foglamp enregistre ce que coûte chaque appel et le décompose par modèle, agent et client. Au lieu d'une facture mensuelle floue, vous obtenez une ligne pour chaque appelant. Cela permet de repérer l'unique agent ou client qui vide votre budget. L'argent fuit vite.
Traces distribuées
Chaque exécution devient une vue en cascade, avec le prompt et la réponse exacts capturés par span. Quand un agent renvoie quelque chose d'étrange, vous pouvez parcourir tout le flux d'appels et trouver l'étape qui a cassé plutôt que de deviner à partir des logs.
Des évals sur le trafic de production
Vous pouvez noter du trafic réel avec des vérifications de code et des juges LLM. Cela signifie que la qualité ne se mesure pas seulement dans une suite de tests. Les mauvaises sorties qui passent à travers vos tests de staging sont signalées sur des données en direct, là où elles comptent vraiment. C'est tout l'intérêt.
Alertes sur le coût, la latence et le taux d'erreur
Des règles de seuil surveillent le coût, la latence et les taux d'erreur, et le plan Pro ajoute les alertes par e-mail et Slack. Vous fixez la ligne, et Foglamp vous prévient quand une exécution la franchit. Il n'est pas idéal d'apprendre un pic de latence par vos utilisateurs.
Suivi par agent
La vue Agents montre les spans, la latence et la dépense de chaque agent, avec son flux d'appels complet. Les équipes qui font tourner plusieurs agents peuvent les comparer directement et voir lequel est lent ou coûteux sans fouiller dans des tableaux de bord partagés.
SDK en deux lignes
Envelopper le module ai coûte deux lignes, et les fonctions que vous récupérez conservent les propres types du AI SDK. Votre code existant continue de fonctionner à l'identique. Ce faible coût de mise en place est la principale raison pour laquelle les petites équipes l'activent vraiment. Pourquoi cela compte-t-il ? Parce que l'outil que personne n'installe ne détecte rien.
Open source et auto-hébergeable
Foglamp tourne sous Apache 2.0, et le code vit sur GitHub. Si vos données ne peuvent pas quitter votre infrastructure, vous pouvez l'héberger vous-même et obtenir les mêmes traces et tableaux de bord. Une vraie différence pour les équipes réglementées.
Avantages et inconvénients
Avantages
- La mise en place est quasi gratuite : deux lignes de code instrumentent chaque appel à generateText et streamText.
- Le suivi des coûts décompose la dépense par modèle, agent et client, pas seulement par total.
- Les traces distribuées capturent le prompt et la réponse exacts par span, ce qui rend le débogage concret.
- La licence Apache 2.0 avec une voie d'auto-hébergement garde les prompts sensibles sur votre propre infrastructure.
Inconvénients
- Conçu d'abord pour le Vercel AI SDK, les équipes sur d'autres frameworks en tirent une valeur limitée.
- Le plan gratuit vous plafonne à 10 000 spans par mois avec seulement 3 jours de rétention, ce qui ne couvrira pas un agent de production actif.
- Les alertes par e-mail et Slack se trouvent derrière le plan Pro à $49/mois, les utilisateurs gratuits peuvent donc manquer la notification quand quelque chose casse.
Questions fréquentes
Il enregistre les appels LLM que votre application effectue et les transforme en chiffres de coût, en chiffres de latence, en traces, en évals et en alertes. Voyez-le comme un tableau de bord de monitoring pour les parties IA de votre produit, pas comme un modèle ni un chatbot.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Foglamp.
Alternatives à Foglamp
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.