簡單用 Python SDK 接入你的 AI agent
一站集中查看 run 執行紀錄、step 步驟、工具呼叫、錯誤事件與即時執行進度
快速知道 agent 哪裡卡住、哪裡失敗、是否需要人工介入。
不再只靠使用者回報問題。透過單一頁面快速掌握 AI agent 的執行狀態與處理瓶頸。
可回看每次執行流程，知道任務在哪個步驟卡住，避免問題反覆發生。
集中看到執行失敗、回覆失敗與高延遲案件，讓你優先處理真正影響體驗的問題。
把需要人工接手的案件放進人工審核佇列，避免遺漏關鍵對話與高風險回覆。
從個人開發者到中小團隊，只要你已經開始導入 AI 聊天機器人或 AI agent， 都能用更低成本建立可持續的監控機制。
快速知道自己的 agent 是否穩定，不用等到使用者抱怨才發現問題。
用統一頁面管理多個 agent，降低跨角色溝通成本，提高排錯效率。
先以低門檻建立監測流程，逐步把聊天機器人與工作流程 agent 正式落地。
AI agent 往往是多步驟工作流程，不是單次 API call。真正的問題常發生在工具呼叫、step 步驟轉換、 timeout、備援處理或錯誤處理，若只看最後輸出，很難快速定位原因。
查看每一次 AI agent 執行紀錄與狀態變化，快速定位異常發生時間點。
追蹤每個步驟呼叫了哪些工具、是否成功，以及卡在哪個階段。
收集 failed、timeout、stale 逾時未更新、exception 等訊號，降低排錯盲區。
透過控制台快速看到目前有哪些 agent 正在執行、等待或失敗。
把既有 AI 工作流程監控流程接到同一個觀測面板，降低導入成本。
當 agent 無法完成任務時，保留可追溯資訊，協助團隊更快接手。
Monivy AgentOps 是用來監控 AI agent 執行狀態的工具，協助開發者追蹤 run 執行紀錄、step 步驟、工具呼叫、錯誤事件與即時進度。
主產品是程式碼導入版，主要透過 SDK 接入你的 AI agent 或 大型語言模型應用。
可監控 agent run 執行紀錄、step 步驟、工具呼叫、錯誤、失敗、timeout、stale 逾時未更新、人工審核佇列等執行狀態。
可以，目標是協助開發者看見 agent 在任務中呼叫了哪些工具、是否成功，以及錯誤發生在哪個階段。
可以，免費版可使用基本監控；若需要監測 3 個以上 AI agents，需升級進階會員。
主產品適合開發者透過程式碼或 SDK 監控 AI agent；LINE 聊天機器人版本則是針對 LINE 官方帳號聊天機器人的無程式碼監控流程。
Run start / success / failed
自動記錄每次 agent run 的開始、成功結束、例外失敗，並回傳 status、duration、error count 與 failure reason。
OpenAI / Anthropic / Gemini 呼叫
自動追蹤常見 LLM provider 呼叫，記錄 AI 呼叫發生在哪個 run、哪個 step，以及呼叫成功或失敗。
requests / httpx 外部請求
自動追蹤 agent 對外送出的 HTTP request，例如第三方 API、Webhook、內部服務呼叫。
SQLAlchemy / SQLite 資料庫操作
自動追蹤資料庫查詢與寫入事件，協助判斷 agent 是否卡在 DB query 或資料存取流程。
無手動 step 時自動補一個執行中 step
即使你沒有手動寫 monitor.step()，系統也會在 run 中自動補上基本執行步驟，讓 Live Run Progress 不會只顯示空白 run。
Unhandled exception / failed run
當 agent 執行過程拋出例外時，自動標記 run failed，並回傳錯誤原因，方便後續在 Runs list 與 Run detail 追查。