> ## 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.

# Agent Lens 向け OpenTelemetry セマンティック規約

> Agent Lens がエージェントに求める OpenTelemetry GenAI のスパン形式と属性。

このドキュメントは、公式の [OpenTelemetry GenAI Semantic Conventions](https://github.com/open-telemetry/semantic-conventions-genai) に Agent Lens 固有のルールと推奨事項を追加したものです。上流の仕様で MAY または SHOULD とされている項目は、このプロファイルでは基本的に MUST となります ([RFC 2119](https://www.ietf.org/archive/id/draft-saintandre-2119bis-01.html) に準拠) 。このドキュメントで特に記載がない限り、公式のセマンティック規約が適用されます。

## API

OTLP protobuf を `POST /agents/otel/v1/traces` に送信します。認証と project ルーティングについては、[Agent Lens に OpenTelemetry スパンを送信する](https://docs.coreweave.com/ja/products/agent-lens/get-started/opentelemetry.md)を参照してください。

## チェックリスト

Agent Lens が OTel スパンを正しく取り込めるように、スパンが次のルールに準拠していることを確認してください。

| 適用対象 | ルール |
| - | - |
| すべてのスパン | `gen_ai.operation.name` を設定する必要があり (MUST)、[既知の](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/registry/attributes/gen-ai.md#gen-ai-operation-name)値を設定することを推奨します (SHOULD) |
| ルートスパン | `gen_ai.operation.name` を `invoke_agent` または `invoke_workflow` に設定する必要があります (MUST) |
| ルートスパン | `gen_ai.conversation.id` を設定する必要があり (MUST)、`user.id` も設定することを推奨します (SHOULD) |
| すべてのトレース | `invoke_agent` スパンを少なくとも 1 つ含める必要があります (MUST) |
| すべてのトレース | `parent_id` を持たないルートスパンを含める必要があります (MUST) |
| すべてのトレース | `gen_ai.input.messages` と `gen_ai.output.messages` を設定したスパンを少なくとも 1 つ含める必要があります (MUST) (該当する場合は `gen_ai.system_instructions` も設定することを推奨します (SHOULD))。 |
| [推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | モデルに送信した完全なコンテキストを `gen_ai.input.messages` に含め (MUST)、モデルからの完全な応答を `gen_ai.output.messages` に含める必要があります (MUST) (該当する場合は `gen_ai.system_instructions` も設定することを推奨します (SHOULD)) |
| [推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | `gen_ai.response.model` を設定する必要があり (MUST)、`gen_ai.provider.name` も設定することを推奨します (SHOULD) |
| [推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | `gen_ai.operation.name` を `chat`、`generate_content`、または `text_completion` に設定することを推奨します (SHOULD) |
| [推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) | 関連するすべての `gen_ai.usage` 属性を設定することを推奨します (SHOULD) |
| [ツール実行スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#execute-tool-span) | `gen_ai.tool.call.id` を設定する必要があり (MUST)、この値は対応する `tool_call` リクエストおよび `tool_call_response` メッセージの値と一致している必要があります (MUST)。 |
| 失敗したスパン | ステータス `ERROR` と `error.type` を設定する必要があります (MUST)。 |

## Agent Lens データモデルのマッピング

以下の属性は Agent Lens によって保存され、公開されます。このリストはすべてを網羅したものではなく、実際のフォールバックロジックはここに記載した内容よりも複雑な場合があります。レガシー属性および非推奨属性 (OpenInference を含む) のサポートは best-effort です。

| Agent Lens フィールド | OTel ソース | フォールバックソース |
| - | - | - |
| `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` | OTel スパンのステータス (属性ではありません) | |
| `status_message` | OTel スパンのステータス (属性ではありません) | |
| `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` | system ロールのメッセージのテキスト |
| `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` |

## 特殊な GenAI オペレーション名

すべてのスパンで `gen_ai.operation.name` を設定する必要があります (MUST) 。その値には、[公式の OTel セマンティック規約](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/registry/attributes/gen-ai.md#gen-ai-operation-name)で定義されている既知の名前を使用することが推奨されます (SHOULD) 。以下のオペレーション名は、Agent Lens において特別な意味を持ちます。これらは、ほとんどのエージェント型ワークフローを記述するのに必要な最小限の操作です。

| オペレーション名 | 表すもの | 特別な用途 |
| - | - | - |
| [`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) | 1 つのターン | ターン全体の会話 ID とユーザー ID を判断します。 |
| [推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference) (`chat`、`generate_content`、`text_completion`) | 1 つのモデルリクエスト | チャット履歴内の入力メッセージと出力メッセージを判断します。トークン使用量とコストのデータを判断します。 |
| [`execute_tool`](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-spans.md#execute-tool-span) | アプリケーションが実行する 1 回のツール実行 | `tool_call` リクエストと `tool_call_response` メッセージを関連付けます。 |

## カスタム属性

Agent Lens は、ベンダー固有の属性名とユーザー定義の属性名を受け入れ、それらをカスタム属性として利用できるようにします。例: `my_company.user.is_admin=true`、`my_company.user.sentiment="positive"`、`my_company.eval.score=0.5`。

* カスタム属性の値は、整数、float、string、または真偽値でなければなりません (MUST)。
* カスタム属性名は低カーディナリティでなければならず (MUST)、動的に生成してはなりません (MUST NOT)。
* カスタム属性名には、`my_company.*` のような一貫した namespace を使用すべきです (SHOULD)。

## OTel のスパンと属性

このセクションは、OTel 公式のセマンティック規約における [エージェント スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#spans) と [推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md) の構成に沿っていますが、記載しているのはこのプロファイルが公式と異なる点のみです。スパン名、スパンの種類、ここに記載されていないスパンなど、それ以外はすべて公式のガイドラインに従います。

### [Invoke workflow スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#invoke-workflow-span)

Agent Lens では、ルートスパンは `invoke_workflow` または `invoke_agent` のいずれかである必要があります (MUST)。ユーザーが複数のエージェントを同時に呼び出せる複雑なケースには `invoke_workflow` を使用します。それ以外の場合は `invoke_agent` を使用することをお勧めします。

| 属性 | 要件レベル | メモ | 値の例 |
| - | - | - | - |
| `gen_ai.operation.name` | 必須 | | `invoke_workflow` |
| `gen_ai.conversation.id` | 必須 | | `conv_5j66UpCpwteGg4YSxUnt7lPY` |
| `user.id` | 推奨 | ターンを開始したユーザーの ID。 | `usr_8kscj` |
| `user.email` | 省略可能 | このターンを開始したユーザーのメールアドレス。 | `user@domain.com` |
| `gen_ai.agent.name` | 推奨 | エージェントの恒久的な名前。バージョン情報を含めるべきではありません (SHOULD NOT)。 | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | 推奨 | | `1.0.0`; `2025-05-01` |
| `gen_ai.input.messages` | 推奨 | この invocation をトリガーした入力。以前のターンの履歴やシステム指示を含めてはなりません (MUST NOT)。 | `[{"role": "user", "parts": [{"type": "text", "content": "Summarize GPU news"}]}]` |
| `gen_ai.output.messages` | 推奨 | ワークフローがユーザーに返す最終応答。複数のエージェントが並列で実行される場合は、ユーザーに表示される統合結果になります。 | `[{"role": "assistant", "parts": [{"type": "text", "content": "GPU prices fell 8% this week."}]}]` |

### [エージェント呼び出しスパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#invoke-agent-client-span)

Agent Lens では、ルートスパンは `invoke_workflow` または `invoke_agent` のいずれかである必要があります (MUST)。ユーザーが複数のエージェントを同時に呼び出せるような複雑なケースには `invoke_workflow` を使用します。それ以外の場合は `invoke_agent` を推奨します。

| 属性 | 要件レベル | メモ | 値の例 |
| - | - | - | - |
| `gen_ai.operation.name` | 必須 | | `invoke_agent` |
| `gen_ai.conversation.id` | 必須 | | `conv_5j66UpCpwteGg4YSxUnt7lPY` |
| `user.id` | 推奨 | ターンを開始したユーザーの ID。 | `usr_8kscj` |
| `user.email` | 省略可能 | ターンを開始したユーザーのメールアドレス。 | `user@domain.com` |
| `gen_ai.agent.name` | 推奨 | エージェントの恒久的な名前。バージョン情報は含めないでください (SHOULD NOT)。 | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | 推奨 | | `1.0.0`; `2025-05-01` |
| `gen_ai.input.messages` | 推奨 | この invocation をトリガーした入力。以前のターンの履歴やシステム指示を含めてはなりません (MUST NOT)。 | `[{"role": "user", "parts": [{"type": "text", "content": "Where is order 12?"}]}]` |
| `gen_ai.output.messages` | 推奨 | アシスタント メッセージ形式で表したエージェントの最終応答。途中のツール呼び出しやモデル出力を含めてはなりません (MUST NOT)。 | `[{"role": "assistant", "parts": [{"type": "text", "content": "It shipped yesterday."}]}]` |

### 推論スパン

Agent Lens は、[推論スパン](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/client-inference.md#span-gen_aiclientinference)を使用して会話のメッセージ履歴を構築し、コストを推定します。推論スパンには、ツール呼び出しのリクエストと応答も含まれます。モデルがツール呼び出しで最終応答を送信する場合、そのツール名は `final_answer`、`final_result`、`set_model_response`、`send_message` のいずれかである必要があります (MUST) 。

| 属性 | 要件レベル | メモ | 値の例 |
| - | - | - | - |
| `gen_ai.operation.name` | 必須 | | `chat`, `generate_content`, `text_completion` |
| `user.id` | 推奨 | ターンを開始したユーザーの ID。 | `usr_8kscj` |
| `user.email` | 省略可能 | ターンを開始したユーザーのメールアドレス。 | `user@domain.com` |
| `gen_ai.agent.name` | 推奨 | エージェントの固定名。バージョン情報は含めないでください (SHOULD NOT) 。 | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | 推奨 | | `1.0.0`; `2025-05-01` |
| `gen_ai.provider.name` | 推奨 | | |
| `gen_ai.response.model` | 必須 | プロバイダーが返した正確なモデル ID。コストの推定に使用されます。 | `gpt-4-0613` |
| `gen_ai.response.finish_reasons` | 推奨 | 出力メッセージごとに 1 エントリずつ、`gen_ai.output.messages` と同じ順序で指定します。 | `["stop", "length", "error"]` |
| `gen_ai.input.messages` | 必須 | 最新のプロンプトだけでなく、モデルに送信された完全なコンテキストを含めてください。 | `[{"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` | 必須 | | `[{"role": "assistant", "parts": [{"type": "text", "content": "The weather in Paris is currently rainy with a temperature of 57°F."}]}]` |
| `gen_ai.system_instructions` | 推奨 | | `[{"type": "text", "content": "You are an Agent that greet users, always use greetings tool to respond"}]` |
| `gen_ai.usage.input_tokens` | 必須 | キャッシュの読み取りトークンと書き込みトークン (存在する場合) を含める必要があります (MUST) 。 | |
| `gen_ai.usage.output_tokens` | 必須 | 推論トークン (存在する場合) を含める必要があります (MUST) 。 | |

#### トークン使用量とコスト

Agent Lens は、各推論スパンのコストをそのトークン使用量と `gen_ai.response.model` から推定します。

* `gen_ai.usage.input_tokens` は、キャッシュされたトークンを含む入力の合計でなければなりません (MUST)。キャッシュの読み取りと書き込みも、`gen_ai.usage.cache_read.input_tokens` と `gen_ai.usage.cache_write.input_tokens` で報告する必要があります (SHOULD)。Agent Lens はこれらを合計から差し引き、それぞれ固有の料金で計算します。`gen_ai.usage.input_tokens` がキャッシュされていないトークンのみをカウントしている場合、入力が実際より少なく集計され、コストがマイナスと表示されることがあります。
* `gen_ai.usage.output_tokens` は、推論トークンを含む出力の合計でなければなりません (MUST)。
* 一部のプロバイダーはこれらのカウントを別々に報告するため、合計に加算し直してください。Anthropic はキャッシュされたトークンを入力トークンとは別に報告し、Gemini は思考トークンを出力トークンとは別に報告します。OpenAI は、キャッシュされたトークンを入力カウントに、推論トークンを出力カウントにすでに含めています。
* `gen_ai.response.model` は、プロバイダーが返した正確なモデル ID でなければなりません (MUST)。`opus` や `sonnet` などのエイリアスには価格が設定されていないため、その Call には `Cost -` と表示されます。
* 使用量の属性は、推論スパンにのみ設定する必要があります (SHOULD)。ターンの合計値を、そのターンの `invoke_agent` スパンにコピーしないでください。

### Execute tool スパン

[ツール呼び出し](https://github.com/open-telemetry/semantic-conventions-genai/blob/main/docs/gen-ai/gen-ai-agent-spans.md#execute-tool-span)は、モデルがアプリケーションに関数の実行を要求したときに発生します。1 つのツール呼び出しは 3 つのスパンにまたがって記録されます。Agent Lens がこれらをリンクできるように、インストルメンテーションでは各スパンに同じ gen\_ai.tool.call.id を記録する必要があります。

1. モデルが呼び出しを要求する推論スパン (gen\_ai.output.messages 内の tool\_call パートとして記録) 。
2. 関数の実行を表す execute\_tool スパン。
3. 結果をモデルに返す次の推論スパン (gen\_ai.input.messages 内の tool\_call\_response パートとして記録) 。

リクエスト、実行、応答の各パートは、すべて同じ `gen_ai.tool.call.id` でリンクされている必要があり (MUST) 、この ID はトレース内で一意である必要があります (MUST) 。

| 属性 | 要件レベル | メモ | 値の例 |
| - | - | - | - |
| `gen_ai.operation.name` | 必須 | | `execute_tool` |
| `user.id` | 推奨 | ターンを開始したユーザーの ID。 | `usr_8kscj` |
| `user.email` | 省略可能 | ターンを開始したユーザーのメールアドレス。 | `user@domain.com` |
| `gen_ai.agent.name` | 推奨 | エージェントの恒久的な名前。バージョン情報は含めないでください (SHOULD NOT) 。 | `Math Tutor`; `Fiction Writer` |
| `gen_ai.agent.version` | 推奨 | | `1.0.0`; `2025-05-01` |
| `gen_ai.tool.call.id` | 必須 | 対応する `tool_call` および `tool_call_response` メッセージの ID と一致する必要があります (MUST) 。 | `call_mszuSIzqtI65i1wAUOE8w5H4` |
| `gen_ai.tool.call.arguments` | 必須 | | `{"location": "San Francisco?", "date": "2025-10-01"}` |
| `gen_ai.tool.call.result` | 推奨 | | `{"temperature_range": {"high": 75, "low": 60}, "conditions": "sunny"}` |

## サンプル

### エージェントがツールを使用して質問に回答する

```plaintext theme={"system"}
// ターン: ユーザーの質問とエージェントの回答。
invoke_agent support-bot  conversation=conv_1  user=u_42
  in:   user "Where is order 12?"
  out:  assistant "It shipped."

  // モデルがツール呼び出しをリクエストします (call_1 で識別)。
  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

  // アプリケーションが同じ Call ID でツールを実行します。
  execute_tool get_order  call=call_1
    args:    {"order_id": "12"}
    result:  "shipped"

  // 次のモデルの Call では、ツール結果を含む完全なコンテキストが参照されます。
  chat claude-sonnet-5-5  provider=anthropic
    in:   ...
          tool result[call_1] "shipped"
    out:  assistant "It shipped."  finish=stop
```

### エージェントがサブエージェントをツールとして呼び出す

```plaintext theme={"system"}
// ターン: ユーザーの質問と最終的な回答。
invoke_agent triage  conversation=conv_3  user=u_42
  in:   user "Was I double charged?"
  out:  assistant "Yes, one charge was a duplicate."

  // 親エージェントのモデルは、サブエージェントをツールとして呼び出すことで処理を委譲します。
  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

  // ツール実行の結果は、サブエージェントの回答です。
  execute_tool billing_agent  call=call_2
    args:    {"task": "Check account 88"}
    result:  "Yes, one duplicate."

    // サブエージェントが参照できるのは、渡されたタスクのみです。
    invoke_agent billing
      in:   user "Check account 88"
      out:  assistant "Yes, one duplicate."

  // 親エージェントのモデルは、回答をツール結果として受け取り、応答を返します。
  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
```

### ワークフローで 2 つのエージェントを並列実行する

```plaintext theme={"system"}
// ターン: 2 つのエージェントを並列に実行し、それぞれの回答を統合するワークフロー。
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."

  // 2 つのエージェントは同時に起動し、それぞれ自分のタスクだけを受け取ります。
  invoke_agent gpu-researcher
    in:   user "Find GPU pricing news"
    out:  assistant "GPU prices fell 8%."

  // 同じ親を持つ兄弟同士で、開始時刻と終了時刻が重なっています。
  invoke_agent cpu-researcher
    in:   user "Find CPU pricing news"
    out:  assistant "CPU prices held steady."
```

### エージェントによる画像生成

```plaintext theme={"system"}
// ターン: エージェントの応答は画像です。
invoke_agent designer  conversation=conv_6  user=u_42
  in:   user "Draw a coffee shop logo"
  out:  assistant [image/png blob]

  // 画像は modality を設定した BLOB パートとして、インラインで送信されます。
  generate_content gemini-2.5-flash-image  provider=gcp.gemini
    in:   user "Draw a coffee shop logo"
    out:  assistant [image/png blob]  finish=stop
```

### 失敗するツール呼び出し

```plaintext theme={"system"}
// エージェントはエラーから回復したため、ターンにはエラーステータスが付きません。
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."

  // モデルがツール呼び出しをリクエストします。
  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

  // ツールがタイムアウトします。ステータスは ERROR となって error.type が設定され、結果は返されません。
  execute_tool get_order  call=call_4  status=ERROR(TimeoutError)
    args:    {"id": "34"}

  // エラーはツール結果としてモデルに返され、モデルがそれを受けて応答します。
  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
```
