> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Conventions sémantiques OpenTelemetry pour Agent Lens

> Les structures de span et les attributs OpenTelemetry GenAI qu’Agent Lens attend de votre agent.

Ce document complète les [conventions sémantiques OpenTelemetry GenAI](https://github.com/open-telemetry/semantic-conventions-genai) officielles par des règles et des recommandations propres à Agent Lens. Là où la spécification en amont indique MAY ou SHOULD, ce profil impose généralement MUST (conformément à la [RFC 2119](https://www.ietf.org/archive/id/draft-saintandre-2119bis-01.html)). Sauf mention contraire dans ce document, les conventions sémantiques officielles s’appliquent.

## API

Envoyez des données OTLP au format protobuf à `POST /agents/otel/v1/traces`. Pour l’authentification et l’acheminement par projet, consultez [Envoyer des spans OpenTelemetry à Agent Lens](https://docs.coreweave.com/fr/products/agent-lens/get-started/opentelemetry.md).

## Liste de contrôle

Pour qu’Agent Lens ingère correctement vos spans OTel, assurez-vous qu’ils respectent les règles suivantes :

| S’applique à | Règle |
| - | - |
| Tous les spans | DOIVENT définir `gen_ai.operation.name` et DEVRAIENT lui attribuer une valeur [standard](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/registry/attributes/gen-ai.md#gen-ai-operation-name) |
| Spans racines | DOIVENT définir `gen_ai.operation.name` sur `invoke_agent` ou `invoke_workflow` |
| Spans racines | DOIVENT définir `gen_ai.conversation.id` et DEVRAIENT définir `user.id` |
| Toutes les traces | DOIVENT inclure au moins un span `invoke_agent` |
| Toutes les traces | DOIVENT inclure un span racine sans `parent_id` |
| Toutes les traces | DOIVENT inclure au moins un span qui définit `gen_ai.input.messages` et `gen_ai.output.messages` (et DEVRAIENT définir `gen_ai.system_instructions`, le cas échéant). |
| [Spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | DOIVENT inclure le contexte complet envoyé au modèle dans `gen_ai.input.messages` et DOIVENT inclure sa réponse complète dans `gen_ai.output.messages` (et DEVRAIENT définir `gen_ai.system_instructions`, le cas échéant) |
| [Spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | DOIVENT définir `gen_ai.response.model` et DEVRAIENT définir `gen_ai.provider.name` |
| [Spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | DEVRAIENT définir `gen_ai.operation.name` sur `chat`, `generate_content` ou `text_completion` |
| [Spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | DEVRAIENT définir tous les attributs `gen_ai.usage` pertinents |
| [Spans d’exécution d’outil](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#execute-tool-span) | DOIVENT définir `gen_ai.tool.call.id`, et cette valeur DOIT correspondre aux messages de requête `tool_call` et `tool_call_response` associés. |
| Spans en échec | DOIVENT définir le statut `ERROR` et `error.type`. |

## Mappage du modèle de données d’Agent Lens

Les attributs suivants sont stockés et exposés par Agent Lens. Cette liste n’est pas exhaustive, et la logique de repli réelle peut être plus complexe que ce qui est décrit ici. La prise en charge des attributs hérités et obsolètes (y compris OpenInference) est assurée au mieux.

| Champ Agent Lens | Source OTel | Sources de repli |
| - | - | - |
| `operation_name` | `gen_ai.operation.name` | `openinference.span.kind` |
| `conversation_id` | `gen_ai.conversation.id` | `conversation.id`, `session.id` |
| `user_id` | `user.id` | `enduser.id`, `enduser.pseudo.id`, `user.hash` |
| `user_email` | `user.email` | |
| `status_code` | Statut du span OTel (pas un attribut) | |
| `status_message` | Statut du span OTel (pas un attribut) | |
| `error_type` | `error.type` | |
| `provider_name` | `gen_ai.provider.name` | `gen_ai.system`, `llm.provider`, `llm.system` |
| `agent_name` | `gen_ai.agent.name` | `agent.name` |
| `agent_version` | `gen_ai.agent.version` | |
| `request_model` | `gen_ai.request.model` | `gen_ai.response.model`, `llm.request.model_name`, `embedding.model_name`, `llm.invocation_parameters.model`, `llm.model_name` |
| `response_model` | `gen_ai.response.model` | `gen_ai.request.model`, `llm.response.model_name`, `llm.model_name` |
| `input_messages` | `gen_ai.input.messages` | `gen_ai.prompt`, `llm.input_messages`, `llm.prompts.N.prompt.text`, `input.value` |
| `output_messages` | `gen_ai.output.messages` | `gen_ai.completion`, `llm.output_messages`, `llm.choices.N.completion.text`, `output.value` |
| `output_type` | `gen_ai.output.type` | |
| `system_instructions` | `gen_ai.system_instructions` | Le texte des messages de rôle system |
| `finish_reasons` | `gen_ai.response.finish_reasons` | `llm.finish_reason` |
| `tool_call_id` | `gen_ai.tool.call.id` | `tool_call.id`, `tool.id`, `data.tool_call_id` |
| `tool_name` | `gen_ai.tool.name` | `tool.name`, `tool_call.function.name` |
| `tool_definitions` | `gen_ai.tool.definitions` | `llm.tools.N.tool.json_schema` |
| `tool_call_result` | `gen_ai.tool.call.result` | `data.content`, `output.value` |
| `tool_call_arguments` | `gen_ai.tool.call.arguments` | `tool_call.function.arguments`, `input.value` |
| `input_tokens` | `gen_ai.usage.input_tokens` | `llm.token_count.prompt` |
| `output_tokens` | `gen_ai.usage.output_tokens` | `llm.token_count.completion` |
| `reasoning_tokens` | `gen_ai.usage.reasoning.output_tokens` | `gen_ai.usage.reasoning_tokens`, `gen_ai.usage.experimental.reasoning_tokens`, `llm.token_count.completion_details.reasoning` |
| `cache_creation_input_tokens` | `gen_ai.usage.cache_write.input_tokens` | `gen_ai.usage.cache_creation.input_tokens`, `llm.token_count.prompt_details.cache_write` |
| `cache_read_input_tokens` | `gen_ai.usage.cache_read.input_tokens` | `gen_ai.usage.prompt_tokens_details.cached_tokens`, `gen_ai.usage.input_tokens_details.cached_tokens`, `prompt_tokens_details.cached_tokens`, `llm.token_count.prompt_details.cache_read`, `llm.token_count.prompt_details.cache_input` |

## Noms d’opération GenAI spéciaux

Chaque span DOIT définir `gen_ai.operation.name`. Sa valeur DEVRAIT être un nom standard défini dans les [conventions sémantiques officielles d’OTel](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/registry/attributes/gen-ai.md#gen-ai-operation-name). Les noms d’opération suivants ont un rôle particulier dans Agent Lens. Ils constituent l’ensemble minimal d’opérations nécessaires pour décrire la plupart des flux de travail agentiques.

| Nom d’opération | Représente | Usage particulier |
| - | - | - |
| [`invoke_agent`](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#invoke-agent-client-span), [`invoke_workflow`](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#invoke-workflow-span) | Un tour de conversation | Déterminent l’ID de conversation et l’ID utilisateur pour l’ensemble du tour de conversation. |
| [Spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) (`chat`, `generate_content`, `text_completion`) | Une requête au modèle | Déterminent les messages d’entrée et de sortie dans l’historique de conversation, ainsi que les données d’utilisation des jetons et de coût. |
| [`execute_tool`](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-spans.md#execute-tool-span) | Une exécution d’outil effectuée par votre application | Relie les requêtes `tool_call` aux messages `tool_call_response`. |

## Attributs personnalisés

Agent Lens accepte les noms d’attributs propres à un fournisseur ou définis par l’utilisateur, et les rend disponibles sous forme d’attributs personnalisés. Par exemple : `my_company.user.is_admin=true`, `my_company.user.sentiment="positive"` et `my_company.eval.score=0.5`.

* Les valeurs des attributs personnalisés DOIVENT être des entiers, des nombres à virgule flottante, des chaînes de caractères ou des valeurs booléennes.
* Les noms des attributs personnalisés DOIVENT présenter une faible cardinalité et NE DOIVENT PAS être générés dynamiquement.
* Les noms des attributs personnalisés DEVRAIENT utiliser un namespace cohérent, par exemple `my_company.*`.

## Spans et attributs OTel

Cette section reprend la structure des [spans d’agent](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#spans) et des [spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md) de la convention sémantique officielle d’OTel, mais ne mentionne que les points sur lesquels ce profil s’en écarte. Pour tout le reste, y compris les noms de spans, les types de spans et les spans qui ne figurent pas ici, les recommandations officielles s’appliquent.

### [Span d’appel de flux de travail (Invoke workflow)](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#invoke-workflow-span)

Dans Agent Lens, un span racine DOIT être soit `invoke_workflow`, soit `invoke_agent`. Utilisez `invoke_workflow` pour gérer les cas complexes dans lesquels un utilisateur peut appeler plusieurs agents à la fois. Sinon, privilégiez `invoke_agent`.

| Attribut | Niveau d’exigence | Notes | Exemples de valeurs |
| - | - | - | - |
| `gen_ai.operation.name` | Requis | | `invoke_workflow` |
| `gen_ai.conversation.id` | Requis | | `conv_5j66UpCpwteGg4YSxUnt7lPY` |
| `user.id` | Recommandé | Identifiant de l’utilisateur à l’origine du tour de conversation. | `usr_8kscj` |
| `user.email` | Facultatif | Adresse e-mail de l’utilisateur à l’origine de ce tour de conversation. | `user@domain.com` |
| `gen_ai.agent.name` | Recommandé | Nom permanent de l’agent. NE DEVRAIT PAS inclure d’informations de version. | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | Recommandé | | `1.0.0`; `2025-05-01` |
| `gen_ai.input.messages` | Recommandé | Entrée qui a déclenché cet appel. NE DOIT PAS inclure l’historique des tours précédents ni les instructions système. | `[{"role": "user", "parts": [{"type": "text", "content": "Summarize GPU news"}]}]` |
| `gen_ai.output.messages` | Recommandé | Réponse finale du flux de travail à l’utilisateur. Si plusieurs agents s’exécutent en parallèle, il s’agit du résultat combiné présenté à l’utilisateur. | `[{"role": "assistant", "parts": [{"type": "text", "content": "GPU prices fell 8% this week."}]}]` |

### [Span d’appel d’agent](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#invoke-agent-client-span)

Dans Agent Lens, un span racine DOIT être soit `invoke_workflow`, soit `invoke_agent`. Utilisez `invoke_workflow` pour gérer les cas complexes dans lesquels un utilisateur peut appeler plusieurs agents à la fois. Sinon, privilégiez `invoke_agent`.

| Attribut | Niveau d’exigence | Notes | Exemples de valeurs |
| - | - | - | - |
| `gen_ai.operation.name` | Requis | | `invoke_agent` |
| `gen_ai.conversation.id` | Requis | | `conv_5j66UpCpwteGg4YSxUnt7lPY` |
| `user.id` | Recommandé | Identifiant de l’utilisateur à l’origine du tour de conversation. | `usr_8kscj` |
| `user.email` | Facultatif | Adresse e-mail de l’utilisateur à l’origine du tour de conversation. | `user@domain.com` |
| `gen_ai.agent.name` | Recommandé | Nom permanent de l’agent. NE DEVRAIT PAS inclure d’informations de version. | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | Recommandé | | `1.0.0`; `2025-05-01` |
| `gen_ai.input.messages` | Recommandé | Entrée ayant déclenché cet appel. NE DOIT PAS inclure l’historique des tours précédents ni les instructions système. | `[{"role": "user", "parts": [{"type": "text", "content": "Where is order 12?"}]}]` |
| `gen_ai.output.messages` | Recommandé | Réponse finale de l’agent, sous forme de message de l’assistant. NE DOIT PAS inclure les appels d’outils ni les sorties du modèle intermédiaires. | `[{"role": "assistant", "parts": [{"type": "text", "content": "It shipped yesterday."}]}]` |

### Span d’inférence

Agent Lens utilise les [spans d’inférence](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) pour reconstituer l’historique des messages d’une conversation et estimer les coûts. Les spans d’inférence contiennent également les requêtes et les réponses des appels d’outil. Si un modèle envoie sa réponse finale au moyen d’un appel d’outil, cet outil DOIT porter l’un des noms suivants : `final_answer`, `final_result`, `set_model_response` ou `send_message`.

| Attribut | Niveau d’exigence | Notes | Exemples de valeurs |
| - | - | - | - |
| `gen_ai.operation.name` | Requis | | `chat`, `generate_content`, `text_completion` |
| `user.id` | Recommandé | ID de l’utilisateur à l’origine du tour de conversation. | `usr_8kscj` |
| `user.email` | Facultatif | Adresse e-mail de l’utilisateur à l’origine du tour de conversation. | `user@domain.com` |
| `gen_ai.agent.name` | Recommandé | Nom permanent de l’agent. NE DEVRAIT PAS inclure d’informations de version. | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | Recommandé | | `1.0.0`; `2025-05-01` |
| `gen_ai.provider.name` | Recommandé | | |
| `gen_ai.response.model` | Requis | ID exact du modèle renvoyé par le fournisseur, utilisé pour estimer le coût | `gpt-4-0613` |
| `gen_ai.response.finish_reasons` | Recommandé | Une entrée par message de sortie, dans le même ordre que `gen_ai.output.messages`. | `["stop", "length", "error"]` |
| `gen_ai.input.messages` | Requis | Inclure l’intégralité du contexte envoyé au modèle, et pas uniquement le dernier prompt. | `[{"role": "user", "parts": [{"type": "text", "content": "Weather in Paris?"}]}, {"role": "assistant", "parts": [{"type": "tool_call", "id": "call_VSPygqKTWdrhaFErNvMV18Yl", "name": "get_weather", "arguments": {"location": "Paris"}}]}, {"role": "tool", "parts": [{"type": "tool_call_response", "id": "call_VSPygqKTWdrhaFErNvMV18Yl", "response": "rainy, 57°F"}]}]` |
| `gen_ai.output.messages` | Requis | | `[{"role": "assistant", "parts": [{"type": "text", "content": "The weather in Paris is currently rainy with a temperature of 57°F."}]}]` |
| `gen_ai.system_instructions` | Recommandé | | `[{"type": "text", "content": "You are an Agent that greet users, always use greetings tool to respond"}]` |
| `gen_ai.usage.input_tokens` | Requis | DOIT inclure les jetons de lecture et d’écriture en cache (le cas échéant) | |
| `gen_ai.usage.output_tokens` | Requis | DOIT inclure les jetons de raisonnement (le cas échéant) | |

#### Utilisation des jetons et coût

Agent Lens estime le coût de chaque span d’inférence à partir de son utilisation des jetons et de `gen_ai.response.model` :

* `gen_ai.usage.input_tokens` DOIT correspondre au total des entrées, jetons mis en cache compris. Les lectures et écritures en cache DEVRAIENT également être indiquées dans `gen_ai.usage.cache_read.input_tokens` et `gen_ai.usage.cache_write.input_tokens`. Agent Lens les soustrait du total et les facture à leur tarif propre. Si `gen_ai.usage.input_tokens` ne comptabilise que les jetons non mis en cache, les entrées sont sous-évaluées et le coût peut apparaître comme négatif.
* `gen_ai.usage.output_tokens` DOIT correspondre au total des sorties, jetons de raisonnement compris.
* Certains fournisseurs indiquent ces nombres séparément : vous devez donc les réintégrer dans les totaux. Anthropic comptabilise les jetons mis en cache à part des jetons d’entrée, et Gemini comptabilise les jetons de réflexion à part des jetons de sortie. OpenAI inclut déjà les jetons mis en cache dans son nombre de jetons d’entrée, et les jetons de raisonnement dans son nombre de jetons de sortie.
* `gen_ai.response.model` DOIT correspondre exactement à l’ID du modèle renvoyé par le fournisseur. Un alias tel que `opus` ou `sonnet` n’a pas de tarif associé, et l’appel affiche `Cost -`.
* Les attributs d’utilisation DEVRAIENT être définis uniquement sur les spans d’inférence. Ne recopiez pas les totaux d’un tour de conversation dans son span `invoke_agent`.

### Span d’exécution d’outil

Un [appel d’outil](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#execute-tool-span)  a lieu lorsqu’un modèle demande à votre application d’exécuter une fonction. Un même appel d’outil apparaît dans trois spans, et votre instrumentation doit enregistrer le même gen\_ai.tool.call.id dans chacun d’eux pour qu’Agent Lens puisse les relier :

1. Le span d’inférence dans lequel le modèle demande l’appel, sous forme de partie tool\_call dans gen\_ai.output.messages.
2. Le span execute\_tool correspondant à l’exécution de la fonction.
3. Le span d’inférence suivant, qui renvoie le résultat au modèle sous forme de partie tool\_call\_response dans gen\_ai.input.messages.

Les parties de requête, d’exécution et de réponse DOIVENT toutes être reliées par le même `gen_ai.tool.call.id`, et cet ID DOIT être unique au sein d’une trace.

| Attribut | Niveau d’exigence | Notes | Exemples de valeurs |
| - | - | - | - |
| `gen_ai.operation.name` | Requis | | `execute_tool` |
| `user.id` | Recommandé | ID de l’utilisateur à l’origine du tour de conversation. | `usr_8kscj` |
| `user.email` | Facultatif | Adresse e-mail de l’utilisateur à l’origine du tour de conversation. | `user@domain.com` |
| `gen_ai.agent.name` | Recommandé | Nom permanent de l’agent. NE DEVRAIT PAS inclure d’informations de version. | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | Recommandé | | `1.0.0`; `2025-05-01` |
| `gen_ai.tool.call.id` | Requis | DOIT correspondre aux ID des messages `tool_call` et `tool_call_response` associés. | `call_mszuSIzqtI65i1wAUOE8w5H4` |
| `gen_ai.tool.call.arguments` | Requis | | `{"location": "San Francisco?", "date": "2025-10-01"}` |
| `gen_ai.tool.call.result` | Recommandé | | `{"temperature_range": {"high": 75, "low": 60}, "conditions": "sunny"}` |

## Exemples

### Un agent utilise un outil pour répondre à une question

```plaintext theme={"system"}
// Le tour de conversation : la question de l’utilisateur et la réponse de l’agent.
invoke_agent support-bot  conversation=conv_1  user=u_42
  in:   user "Where is order 12?"
  out:  assistant "It shipped."

  // Le modèle demande un appel d’outil, identifié par call_1.
  chat claude-sonnet-5-5  provider=anthropic
    in:   user "Where is order 12?"
    out:  assistant call get_order[call_1] {"order_id": "12"}  finish=tool_call

  // L’application exécute l’outil avec le même ID d’appel.
  execute_tool get_order  call=call_1
    args:    {"order_id": "12"}
    result:  "shipped"

  // L’appel de modèle suivant reçoit le contexte complet, y compris le résultat d’outil.
  chat claude-sonnet-5-5  provider=anthropic
    in:   ...
          tool result[call_1] "shipped"
    out:  assistant "It shipped."  finish=stop
```

### L’agent appelle un sous-agent en tant qu’outil

```plaintext theme={"system"}
// Le tour de conversation : la question de l’utilisateur et la réponse finale.
invoke_agent triage  conversation=conv_3  user=u_42
  in:   user "Was I double charged?"
  out:  assistant "Yes, one charge was a duplicate."

  // Le modèle de l’agent parent délègue en appelant le sous-agent comme un outil.
  chat claude-sonnet-5-5  provider=anthropic
    in:   user "Was I double charged?"
    out:  assistant call billing_agent[call_2] {"task": "Check account 88"}  finish=tool_call

  // Le résultat de l’exécution d’outil est la réponse du sous-agent.
  execute_tool billing_agent  call=call_2
    args:    {"task": "Check account 88"}
    result:  "Yes, one duplicate."

    // Le sous-agent ne voit que la tâche qui lui a été confiée.
    invoke_agent billing
      in:   user "Check account 88"
      out:  assistant "Yes, one duplicate."

  // Le modèle de l’agent parent reçoit la réponse en tant que résultat d’outil, puis répond.
  chat claude-sonnet-5-5  provider=anthropic
    in:   ...
          tool result[call_2] "Yes, one duplicate."
    out:  assistant "Yes, one charge was a duplicate."  finish=stop
```

### Un flux de travail exécute deux agents en parallèle

```plaintext theme={"system"}
// Le tour de conversation : un flux de travail qui exécute deux agents en parallèle et combine leurs réponses.
invoke_workflow news-pipeline  conversation=conv_2  user=u_42
  in:   user "Summarize GPU and CPU news"
  out:  assistant "GPU prices fell 8% this week, and CPU prices held steady."

  // Les deux agents démarrent en même temps, et chacun ne reçoit que sa propre tâche.
  invoke_agent gpu-researcher
    in:   user "Find GPU pricing news"
    out:  assistant "GPU prices fell 8%."

  // Éléments au même niveau sous un même parent, dont les heures de début et de fin se chevauchent.
  invoke_agent cpu-researcher
    in:   user "Find CPU pricing news"
    out:  assistant "CPU prices held steady."
```

### Un agent génère une image

```plaintext theme={"system"}
// Le tour de conversation : la réponse de l’agent est une image.
invoke_agent designer  conversation=conv_6  user=u_42
  in:   user "Draw a coffee shop logo"
  out:  assistant [image/png blob]

  // L’image est envoyée en ligne sous forme de partie blob, avec sa modalité renseignée.
  generate_content gemini-2.5-flash-image  provider=gcp.gemini
    in:   user "Draw a coffee shop logo"
    out:  assistant [image/png blob]  finish=stop
```

### Un appel d’outil qui échoue

```plaintext theme={"system"}
// L’agent a récupéré de l’erreur : le tour de conversation n’a donc pas de statut d’erreur.
invoke_agent support-bot  conversation=conv_7  user=u_42
  in:   user "Where is order 34?"
  out:  assistant "The order system is down. Try again soon."

  // Le modèle demande un appel d’outil.
  chat claude-sonnet-5-5  provider=anthropic
    in:   user "Where is order 34?"
    out:  assistant call get_order[call_4] {"id": "34"}  finish=tool_call

  // L’outil dépasse son délai d’expiration : statut ERROR avec error.type, et aucun résultat.
  execute_tool get_order  call=call_4  status=ERROR(TimeoutError)
    args:    {"id": "34"}

  // L’erreur est renvoyée au modèle en tant que résultat d’outil, et celui-ci répond.
  chat claude-sonnet-5-5  provider=anthropic
    in:   ...
          tool result[call_4] "Error: timed out"
    out:  assistant "The order system is down. Try again soon."  finish=stop
```
