Laminar
Laminar (lmnr.ai) · コーディング · その他
LaminarはAIエージェントをトレースし、デバッグし、評価するオープンソースの可観測性プラットフォームだ。LLM呼び出し、ツール呼び出し、サブエージェントを記録し、そのデータを読める形の答えに変える。
Laminar について
What Is Laminar
LaminarはAIエージェント向けのオープンソース可観測性プラットフォームで、Y Combinator S24の企業Laminar（lmnr.ai）のチームが開発している。エージェントが実行中に実際に何をしたかを追う。入力、LLMのターン、ツール呼び出し、起動したサブエージェントまで含む。狙いは単純だ。エージェントが30分・300の判断を経て壊れたとき、どこで、なぜ壊れたかを素早く知る必要がある。
このプラットフォームはOpenTelemetryネイティブで、独自形式ではなく標準のトレースプロトコルで話す。動かし方は2通りある。マネージドのLaminar Cloudか、Docker ComposeやKubernetesのHelmチャートで自分のインフラにセルフホストするかだ。コアはオープンソースなので、トレースに顧客データが混じり、第三者に送りたくない場合に効いてくる。
先に押さえておきたい制約が2つある。自然言語で結果を記述する検出機能Signalsはオープンソース版には含まれず、Cloudかエンタープライズのライセンスキーが必要だ。もう1つ、Laminarは開発者向けのツールである。ドラッグ&ドロップのアプリはなく、SDKと連携、そしてトランスクリプトのように読むダッシュボードだけがある。
Getting Started
- laminar.shでアカウントを作るか、Docker Composeでセルフホスト構成を立ち上げる。
- ダッシュボードでプロジェクトのAPIキーを取得する。
- SDKをインストールしてキーを設定し、1〜2行のコードでトレースを初期化する。
- エージェントを実行する。トレースはリアルタイムで現れ、任意の実行を開いて全体を読める。
AIツール情報
Laminar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
- エージェントを本番に出すAIエンジニア：トレース画面はトランスクリプトのように読めるため、spanの木を掘らずに失敗したツール呼び出しやサブエージェントを特定できる。
- LLMアプリを素早く出すスタートアップのチーム：マネージドのCloudなら設定が2行で済み、その分をプロダクト本体に回せる。
- データ規制下のプラットフォームチーム：セルフホストならトレースと顧客コンテンツを自社インフラに置ける。ベンダーに内容を見せられない場面で効く。
- 評価とQAのエンジニア：本番のトレースから作ったデータセットは、ユーザーの実際の動きに沿った回帰テストになり、AI評価を組み立てる土台になる。
タスク
- たまに失敗するエージェントのデバッグ：実行を録画し、検証したいステップまでキャッシュから再生し、修正が効くか確認する。エージェントのデバッグが運任せでなく再現できる作業になる。
- リリース後の回帰の検知：直したエラークラスタを評価データセットに変え、変更のたびに回す。
- 大規模な結果の監視：自然言語でSignalを書き、数千件のトレースをまたぐ構造化イベントを得る。
- プロンプトやモデルの変更の比較：トレース済みの任意のspanをPlaygroundで再生し、結果を並べて見る。
シーン
- 特定サイトで挙動が乱れるブラウザエージェント：トレースと同期したブラウザセッション録画で、各ステップでエージェントが何を見たかが分かる。
- 自信満々に間違えるサポートボット：Signalsはトレース全体を読むため、上流で黙って飲み込まれたツールエラーも見える。
- 長時間走る多段のリサーチエージェント：毎回ライブ実行を払わず、デバッガーがキャッシュから再生する。
主な機能
トランスクリプト形式のエージェントトレース
LLMトレースを担うLaminarは、1回の実行におけるすべてのLLM呼び出し、ツール呼び出し、カスタム関数を記録する。span名の木ではなく、実行をトランスクリプトとして並べる。入力、LLMのターン、ツール呼び出し、サブエージェントをカードに畳んだ形だ。この形式が、1画面を読むか十数のspanを頭に抱えるかの差になる。AI SDK、Claude Agent SDK、LangChain、Browser Useを最初からサポートし、Claude Agent SDKのサブエージェントまで追う。これは多くのツールが省く部分だ。
キャッシュ再生付きデバッガー
デバッガーは実行を録画し、変更前のすべてをキャッシュから供給して再生する。繰り返しは数秒で済み、フルのライブ実行は要らない。修正は期待ではなく評価で証明する。コーディングエージェントが操作する前提で作られており、UIを人がクリックせずにループ全体を回せる。
本番の結果を捉えるSignals
Signalsは結果や失敗を自然言語で記述すると、すべてのトレースから構造化イベントを抽出する。各Signalは実行全体を読み、リトライ、使い切ったツール、エージェントが黙って回った回避策まで含める。最終回答だけを見ない。得られるのはイベントの流れで、SQLで問い合わせ、種類ごとにクラスタ化し、Slackやメールで通知できる。
評価とデータセット
評価はデータセットに対してローカルまたはCIで実行し、ユーザーに届く前に回帰を捕まえる。データセットは本番トレースから直接作るため、テストは実際の実行を反映する。直したエラークラスタは自動で評価データセットになり、バグ報告とテストの間のループが閉じる。
OpenTelemetryネイティブとセルフホスト
LaminarはOpenTelemetryの標準プロトコルOTLPでトレースを取り込むため、すでにOTLPを使うスタックに収まる。単一ノードならOSSイメージをDocker Composeで、本番ならKubernetesのHelmチャートで動かせる。後者はRabbitMQ、Redis、専用コンシューマを追加する。トレース、ダッシュボード、評価、デバッガーはCloudでもセルフホストでも同じように動く。
CLIとMCPでのアクセス
CLIとMCPサーバーは、コーディングエージェントにLaminarへの完全なSQLアクセスを与える。トレースを調査し、評価を組み立て、修正を検証する。人がツール間でデータを運ぶ必要はない。SQLエディタとカスタムダッシュボードを合わせれば、製品のプラットフォーム側はそろう。
メリットとデメリット
メリット
- オープンソースでセルフホストの道があり、トレースと顧客データを自社インフラに置ける。
- OpenTelemetryネイティブなので、すでにOTLPを使うスタックに入り、独自形式に縛られない。
- トランスクリプト形式のトレース画面は、多くのツールが見せるspanの木より読みやすい。
- 評価、データセット、デバッガーが1か所にあり、デバッグのループが単一のツールで完結する。
- 無料プランでも1 GBのデータと7日間の保持が付き、プラットフォームを一通り試せる。
デメリット
- Signalsとアラートはオープンソース版に含まれず、Cloudかエンタープライズのライセンスキーが要る。最も強力な本番機能が課金の壁の内側にある。
- 無料プランはトレースを7日、プロジェクトを1つしか保持しない。長く動く本番エージェントには狭い。
- StarterとProの超過データはギガバイト単位で課金され、よく喋るエージェントは月額を押し上げる。
- 開発者向けで一般ユーザー向けではない。ここでのAIエージェント可観測性はSDK、CLI、Webダッシュボードであり、ワンクリックのアプリではない。
よくある質問
LaminarはAIエージェントをトレースし、デバッグし、評価する。1回の実行におけるすべてのLLM呼び出し、ツール呼び出し、サブエージェントを記録し、失敗の原因を突き止め、修正を評価で確認できる。
関連コンテンツ
Laminarに関連するツール、スキル、記事を探す。
Laminarの代替ツール
Base Code
Base44 (Wix) · コーディング · 生産性向上Base CodeはBase44の共有クラウド開発環境だ。既存のGitHubリポジトリに対する変更をチャットで伝え、プレビューで確認し、プルリクエストとして返せる。
Google EmbeddingGemma 2
Google DeepMind · ライティング · 画像 · コーディングGoogle EmbeddingGemma 2 は 7 億 4000 万パラメータのオープンなモデルで、テキスト、コード、画像、音声、動画フレームを同じ 768 次元空間のベクトルに変え、スマートフォンやノート PC 上で動く。
GitGlow
GitGlow · コーディング · 生産性向上GitGlow は自分のコードと AI エージェントの変更を一つのレビューにまとめるデスクトップ Git クライアントだ。出荷前に、マシンから何が出ていくのかを確かめられる。