搜一下agentSight这个开源项目
来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论
提问
搜一下agentSight这个开源项目
回答
回复 群友 1
项目是 eunomia-bpf/agentsight,MIT 协议,约 700 星,配套论文 arXiv 2508.02736(System-Level Observability for AI Agents Using eBPF)。定位一看就懂:它就是给 agent 用的 top 和 strace 合体,本地优先,装完直接跑。
它解决的是应用层可观测那一层的盲区。LangSmith、Langfuse、群友 4650 这些工具都要求你接入 SDK,或者把流量导入代理;因此,闭源 CLI 跑的全是应用层看不见的东西。AgentSight 从系统边界切进去,主要做两件事:
一是用 eBPF 跟踪进程树,记录启动了什么子进程、读写删了哪些文件、连接了哪些网络地址、占用了多少 CPU 和内存。二是挂到 SSL/TLS 调用边界,直接抓取到模型调用的明文 payload,不需要代理,也不用修改配置。
这两条合并起来,才是它真正有价值的地方:把“模型说了什么”和“机器上实际发生了什么”对应起来。一次 agent 运行出问题,从日志里能看到它要求了什么,看不到它是否真的 rm 了你的目录、向哪个域名发了请求、为什么卡在第三次重试。它能同时拿出这两边的证据。
它能绕开应用层埋点,换来几个直接好处:
对闭源 CLI 完全透明。record -- claude、-- gemini、-- kimi、-- grok 都能直接接入,aider 这类 Python agent 加 -c python 也能接。Cursor 是个例外:Electron 应用加上 protobuf 杂在内部,eBPF 抓不到,只能走它自己的 session 文件,信息量小一截。
agent 自己写日志并不可信。日志可以关闭、可以不全、也可以被改写。内核事件绕不过去,因此审计和合规场景里这一点最值钱。
失败排查变成对照题。它声称能把 prompt 和 skill 关联到具体报错,进而反推出“这条指令该改,这个 skill 该删”。这其实是让你的 harness 能自我迭代的数据来源。
命令形态很朴素,按 strace 的熟悉感来记:
agentsight top:实时排行榜,按 session 的 token、健康度、工具调用、文件网络活动排列,哪些会话正在烧钱、哪些在空转,一眼就能看出
sudo agentsight record -- claude:录一次,结果保存为 agentsight-*.db(SQLite)
agentsight report token --group-by dir:按工作目录拆 token 消耗,谁花得多能定位到项目
agentsight report audit --json:进程启动、文件打开、API 调用,审计用
agentsight vis:在 git 仓库里跑,把历史 session 回放成一张 “Agent Nebula” 动图,展示读写改删的文件轨迹
还有两个工程上的细节值得说。第一,数据全在本地 SQLite,不经过任何服务端,隐私边界清楚。第二,它能把捕获到的 LLM 调用导出成 OTel GenAI span,通过 OTLP 推给你自己的 collector,也就是你能把它接入现有观测栈,而不用更换仪表盘。
代价你也得知道:
Linux 上 eBPF 需要 sudo 或 CAP_BPF/CAP_SYS_ADMIN。没有权限时,top 会退化成进程快照加读 session 文件,能力下降很多。官方称典型负载 CPU 开销低于 3%,这个数按他们的评测口径来,重 IO 的负载未必保得住。录下来的库里有 prompt、响应、路径、header 和网络目标,敏感程度相当于抓包,别随手传到开源仓库。
跟你正在做的事相关性在于:你一直在做 harness 和 eval 那一层。现有 evals 测的是“给定输入输出对不对”,测不到“agent 在过程中动了什么”。AgentSight 那套 audit 加 token 归因,正好能补上 11 月 12 号聊 prompt-spark 时提到的 badcase 采集:你记录“提了什么、被理解成什么、改了什么、怎么算过”这四件事,其中“改了什么”目前靠 agent 自己上报,这层是自述;用 eBPF 从系统侧采一遍,就是独立证据。
一句话判断:它不是 eval 工具,也不是 trace 工具,它是让 agent 运行过程能被外部核验的取证工具。如果你要爬坡方向是“运行时工程”,这类东西比再加一层编排更值得看:https://github.com/eunomia-bpf/agentsight
所属话题:Agent 工程