Foglamp
Foglamp Labs · コーディング
Foglampは、アプリが発行するLLM呼び出しを監視し、それをコスト、レイテンシの数値、分散トレース、評価、アラートに変換するAIエージェント向けの可観測性プラットフォームだ。わずか2行のコードでVercel AI SDKに接続できるため、AIエージェントを開発するチームは、各モデル呼び出しがいくらかかったか、どれだけ遅かったか、そしてユーザーが気づく前に出力がどこで狂ったかを把握できる。
Foglamp について
Foglampとは
FoglampはVercel AI SDK向けの可観測性レイヤーだ。コードが実行するすべてのgenerateText呼び出しとstreamText呼び出しを取り込み、それらの呼び出しをモデル別、エージェント別、顧客別に分解することで、AIエージェントの可観測性を担う。これにより、予算とバグがどこから来るのかを推測する必要がなくなる。AI監視ツールとして、エージェントのコードと、それが呼び出すモデルとの間に位置する。
解決する問題は、口で言うのは簡単だが、実際に抱えると厄介だ。AIエージェントをリリースした途端、コストと品質は静かにずれていく。プロンプトを変えればトークン使用量が倍になることがある。モデルを差し替えれば数秒のレイテンシが加わることがある。悪い出力は誰にも気づかれずにすり抜けることがある。Foglampはこうした変化を可視化する。
Apache 2.0の下でオープンソースであり、セルフホストもできる。プロンプトと応答を自社インフラの外に出せない場合、この点は重要だ。ただし弱点は的の絞り方にある。FoglampはまずVercel AI SDK向けに作られている。他のフレームワークを使うチームが今得られる価値は小さい。
はじめ方
- ダッシュボードでFoglampのAPIキーを作成する。セルフホストならシードスクリプトから出力してもよい。キーは
fl_で始まる。 npm i foglampでパッケージをインストールする（pnpm、bun、yarnでも利用できる）。- 環境に
FOGLAMP_API_KEYを設定する。キーがなければFoglampは何もせず、何も壊れない。だからどの環境に置いても安全だ。 aiモジュールをwrap()で包み、fog.with({ agentName: "..." })で呼び出しに名前を付ける。AI SDK v7では、代わりに各呼び出しのテレメトリ配列に統合を追加する。- アプリを実行し、ダッシュボードを開いてトレース、コスト、レイテンシが流れ込むのを見る。
AIツール情報
Foglampの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- Vercel AI SDKでエージェントをリリースするAIエンジニア：Foglampはほとんどコードを変えずに呼び出しを計測するため、スタックを書き直さずに可視性を得られる。
- AI支出を監視する小規模プロダクトチーム：エージェント別・顧客別のコスト追跡が予算を食っている相手を示すため、暴走したトークン使用量が月末に驚きをもたらすことを防ぐ。
- プライバシーを重視する企業：Apache 2.0ライセンスとセルフホストの選択肢により、プロンプトと応答を自社インフラ内に留められる。
タスク
- モデル別・顧客別にLLMコストを追跡する：Foglampは各呼び出しをモデル、エージェント、顧客に紐づけるため、お金がどこへ流れるかを正確に把握できる。
- 遅いエージェント実行をデバッグする：分散トレースは各実行をウォーターフォール表示し、スパンごとの正確なプロンプトと応答を示すため、遅いステップの捜索が短くなる。
- 本番トラフィックを採点する：コードチェックとLLM審判が評価として走るため、クレームを待たずにライブトラフィック上の悪い出力を検知できる。
シーン
- 新しいエージェントを本番に投入する：エージェントが不具合を起こすとコスト、レイテンシ、エラー率のアラートが発火するため、退行を早く捉えられる。
- モデル移行を監査する：あるモデルから別のモデルへ切り替えるとき、トレースと評価が品質と速度を実際に維持できたかを示す。
- マルチエージェントのワークフローを運用する：エージェント別のスパンと支出により、エージェントを並べて比較し、高コストなものを突き止められる。
主な機能
コストインテリジェンス
Foglampは各呼び出しのコストを記録し、モデル別、エージェント別、顧客別に分解する。ぼやけた月次請求書の代わりに、呼び出し元ごとの行が手に入る。これにより、予算を吸い上げている単一のエージェントや顧客を突き止められる。お金は速く漏れる。
分散トレース
各実行はウォーターフォール表示になり、スパンごとに正確なプロンプトと応答を記録する。エージェントが妙なものを返したとき、ログから推測するのではなく、呼び出しの流れをたどって壊れたステップを見つけられる。
本番トラフィックへの評価
コードチェックとLLM審判で実トラフィックを採点できる。つまり品質がテストスイートの中だけで測られることはない。ステージングのテストをすり抜けた悪い出力は、ライブデータ上で検知される。そこが本当に重要な場所だ。それが肝心なのだ。
コスト、レイテンシ、エラー率のアラート
しきい値ルールがコスト、レイテンシ、エラー率を監視し、ProプランではメールとSlackのアラートが加わる。線を引くのはあなたで、実行がそれを超えたときにFoglampが知らせる。レイテンシの急上昇をユーザーから聞くのは好ましくない。
エージェント別の追跡
Agentsビューは各エージェントのスパン、レイテンシ、支出を、その呼び出しフロー全体とともに示す。複数のエージェントを運用するチームは、共有ダッシュボードを掘り返さずに直接比較し、どれが遅いか高コストかを把握できる。
2行のSDK
aiモジュールを包むのは2行で済み、返ってくる関数はAI SDK自身の型を保つ。既存のコードはそのまま動く。この低い導入コストこそ、小規模チームが実際に有効化する主な理由だ。なぜ重要か。誰もインストールしないツールは何も捉えないからだ。
オープンソースとセルフホスト
FoglampはApache 2.0の下で動き、ソースはGitHubにある。データを自社インフラの外に出せない場合、自分でホストしても同じトレースとダッシュボードが得られる。規制を受けるチームにとって大きな違いだ。
メリットとデメリット
メリット
- 導入はほぼ無料同然だ。2行のコードでgenerateTextとstreamTextの各呼び出しを計測できる。
- コスト追跡は支出をモデル別、エージェント別、顧客別に分解する。合計だけではない。
- 分散トレースはスパンごとの正確なプロンプトと応答を記録し、デバッグを具体的にする。
- Apache 2.0ライセンスとセルフホストの道筋が、機密のプロンプトを自社インフラに留める。
デメリット
- まずVercel AI SDK向けに作られているため、他のフレームワークを使うチームが得られる価値は限られる。
- 無料プランは月1万スパン、保持期間わずか3日に制限され、忙しい本番エージェントはカバーできない。
- メールとSlackのアラートは月$49のProプランの後ろにあり、無料ユーザーは何かが壊れたときに通知を逃すことがある。
よくある質問
アプリが発行するLLM呼び出しを記録し、コストの数値、レイテンシの数値、トレース、評価、アラートに変換する。モデルやチャットボットではなく、製品のAI部分のための監視ダッシュボードだと考えればよい。
関連コンテンツ
Foglampに関連するツール、スキル、記事を探す。
Foglampの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。