> ## 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.

# Agno

> OpenTelemetry を使用して Agno のマルチエージェントシステムを Weave でトレースし、エージェント間のやり取り、ツール呼び出し、マルチモーダルなワークフローを取得します。

[OpenTelemetry (OTEL)](https://opentelemetry.io/) を使用すると、[Agno](https://docs.agno.com/) のエージェントとツール呼び出しを Weave でトレースできます。Agno は、共有メモリ、ナレッジ、推論を備えたマルチエージェントシステムを構築するための Python フレームワークです。軽量でモデルに依存しない設計となっており、テキスト、画像、オーディオ、動画の処理を含むマルチモーダル機能をサポートしています。

このガイドでは、OTEL を使用して Agno のエージェントとツール呼び出しをトレースし、そのトレースを Weave で可視化する方法を説明します。必要な依存関係のインストール方法、Weave にデータを送信する OTEL トレーサーの設定方法、Agno のエージェントとツールをインストルメントする方法を紹介します。

<Tip>
  Weave での OTEL トレースの詳細については、[Send OTEL Traces to Weave](/ja/products/wandb/weave/guides/tracking/otel) を参照してください。
</Tip>

<h2 id="prerequisites">
  前提条件
</h2>

1. 必要な依存関係をインストールします。

   ```bash theme={"system"}
   pip install agno openinference-instrumentation-agno opentelemetry-sdk opentelemetry-exporter-otlp-proto-http
   ```

2. OpenAI APIキー (または他のモデルプロバイダーのキー) を環境変数に設定します。

   ```bash theme={"system"}
   export OPENAI_API_KEY=your_api_key_here
   ```

3. [Weave で OTEL トレースを設定します](#configure-otel-tracing-in-weave)。

<h3 id="configure-otel-tracing-in-weave">
  Weave で OTEL トレースを設定する
</h3>

Agno から Weave にトレースを送信するには、`TracerProvider` と `OTLPSpanExporter` を使用して OTEL を設定します。エクスポーターには、[正しいエンドポイントと、認証および project の識別に必要な HTTP ヘッダー](#required-configuration)を設定してください。

<Note>
  APIキーや project 情報などの機密性の高い環境変数は、環境ファイル (例: `.env`) に保存し、`os.environ` を使用して読み込んでください。これにより、認証情報を安全に管理し、コードベースに含めずに済みます。
</Note>

<h4 id="required-configuration">
  必須の設定
</h4>

次のエンドポイントとヘッダーで OTLP エクスポーターを設定します。

* **エンドポイント:** `https://trace.wandb.ai/otel/v1/traces`
* **ヘッダー:**
  * `Authorization`: W\&B APIキーを使用した Basic 認証。
  * `project_id`: W\&B の entity/プロジェクト名 (例: `myteam/myproject`) 。

<h2 id="send-otel-traces-from-agno-to-weave">
  Agno から Weave に OTEL トレースを送信する
</h2>

[前提条件](#prerequisites)を満たすと、Agno から Weave に OTEL トレースを送信できます。次のコードスニペットでは、OTLP スパンエクスポーターとトレーサープロバイダーを設定し、Agno アプリケーションから Weave に OTEL トレースを送信する方法を示します。

<Warning>
  Weave で Agno を正しくトレースするには、コード内で Agno のコンポーネントを使用する*前に*、グローバルトレーサープロバイダーを設定してください。
</Warning>

```python lines theme={"system"}
# tracing.py

import base64
import os
from openinference.instrumentation.agno import AgnoInstrumentor
from opentelemetry.exporter.otlp.proto.http.trace_exporter import OTLPSpanExporter
from opentelemetry.sdk import trace as trace_sdk
from opentelemetry.sdk.trace.export import SimpleSpanProcessor
from opentelemetry import trace

# 機密性の高い値は環境変数から読み込みます
WANDB_BASE_URL = "https://trace.wandb.ai"
# W&B の entity/プロジェクト名（例: "myteam/myproject"）
PROJECT_ID = os.environ.get("WANDB_PROJECT_ID")
# W&B APIキーは https://forge.coreweave.com/settings で作成します
WANDB_API_KEY = os.environ.get("WANDB_API_KEY")

WEAVE_OTLP_ENDPOINT = f"{WANDB_BASE_URL}/otel/v1/traces"
AUTH = base64.b64encode(f"api:{WANDB_API_KEY}".encode()).decode()

OTEL_EXPORTER_OTLP_HEADERS = {
    "Authorization": f"Basic {AUTH}",
    "project_id": PROJECT_ID,
}

# エンドポイントとヘッダーを指定して OTLP スパンエクスポーターを作成します
exporter = OTLPSpanExporter(
    endpoint=WEAVE_OTLP_ENDPOINT,
    headers=OTEL_EXPORTER_OTLP_HEADERS,
)

# トレーサープロバイダーを作成し、エクスポーターを追加します
tracer_provider = trace_sdk.TracerProvider()
tracer_provider.add_span_processor(SimpleSpanProcessor(exporter))

# Agno をインポート・使用する「前」に、グローバルトレーサープロバイダーを設定します
trace.set_tracer_provider(tracer_provider)
```

<h2 id="trace-agno-agents-with-otel">
  OTEL で Agno エージェントをトレースする
</h2>

トレーサープロバイダーを設定すると、自動トレースを有効にした状態で Agno エージェントを作成して実行できます。以降のエージェントのアクティビティを Weave ですべて取得できるように、エージェントを作成する前に Agno をインストルメントしてください。次の例では、ツールを使用するエージェントを作成する方法を示します。

```python lines theme={"system"}
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# 先ほど作成したファイルから AgnoInstrumentor を読み込みます
from tracing import AgnoInstrumentor

# Agno のインストルメンテーションを開始します
AgnoInstrumentor().instrument()

# 金融エージェントを作成します
finance_agent = Agent(
    name="Finance Agent",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[
        YFinanceTools(
            stock_price=True,
            analyst_recommendations=True,
            company_info=True,
            company_news=True
        )
    ],
    instructions=["Use tables to display data"],
    show_tool_calls=True,
    markdown=True,
)

# エージェントを使用します。この Call は Weave によって自動的にトレースされます
finance_agent.print_response(
    "What is the current stock price of Apple and what are the latest analyst recommendations?",
    stream=True
)
```

Weave はエージェントのすべての操作を自動的にトレースするため、実行フロー、モデルの Call、推論ステップ、ツール invocation を可視化できます。

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/weave/_media/agno_agent_trace.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=81d92d088338e21c71024a234106af37" alt="Agno エージェントのトレースを可視化した画面" width="2908" height="1582" data-path="products/wandb/weave/_media/agno_agent_trace.png" />
</Frame>

<h2 id="trace-agno-tools-with-otel">
  OTEL を使用して Agno のツールをトレースする
</h2>

Agno でツールを定義して使用すると、それらのツール呼び出しもトレースに取得されます。OTEL インテグレーションはエージェントの推論プロセスと個々のツール実行の両方を自動的にインストルメントするため、エージェントの動作を包括的に把握できます。

以下は、複数のツールを使用する例です。

```python lines theme={"system"}
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# 上で作成したファイルから AgnoInstrumentor を読み込みます
from tracing import AgnoInstrumentor

# Agno のインストルメンテーションを開始します
AgnoInstrumentor().instrument()

# 複数のツールを備えたエージェントを作成します
research_agent = Agent(
    name="Research Agent",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[
        DuckDuckGoTools(),
        YFinanceTools(stock_price=True, company_info=True),
    ],
    instructions=[
        "Search for current information and financial data",
        "Always include sources",
        "Use tables to display financial data"
    ],
    show_tool_calls=True,
    markdown=True,
)

# エージェントを使用します。ツール呼び出しは Weave によってトレースされます
research_agent.print_response(
    "Research Tesla's recent performance and news. Include stock price and any recent developments.",
    stream=True
)
```

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/weave/_media/agno_tool_calls.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=2a1b232500d5da96a24bafb7f3ce3fbc" alt="Agno のツール呼び出しのトレース可視化" width="2908" height="1582" data-path="products/wandb/weave/_media/agno_tool_calls.png" />
</Frame>

<h2 id="trace-multi-agent-teams-with-otel">
  OTEL でマルチエージェントのチームをトレースする
</h2>

Agno のマルチエージェントアーキテクチャを使うと、互いに連携しながらコンテキストを共有するエージェントのチームを作成できます。Weave は、こうしたチーム内のやり取りもすべてトレースします。

```python lines theme={"system"}
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# tracing.py ファイルから AgnoInstrumentor を読み込みます
from tracing import AgnoInstrumentor

# Agno のインストルメンテーションを開始します
AgnoInstrumentor().instrument()

# 役割ごとに特化したエージェントを作成します
web_agent = Agent(
    name="Web Agent",
    role="Search the web for information",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[DuckDuckGoTools()],
    instructions="Always include sources",
    show_tool_calls=True,
    markdown=True,
)

finance_agent = Agent(
    name="Finance Agent",
    role="Get financial data",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[YFinanceTools(stock_price=True, analyst_recommendations=True)],
    instructions="Use tables to display data",
    show_tool_calls=True,
    markdown=True,
)

# エージェントのチームを作成します
agent_team = Agent(
    team=[web_agent, finance_agent],
    model=OpenAIChat(id="gpt-4o"),
    instructions=["Always include sources", "Use tables to display data"],
    show_tool_calls=True,
    markdown=True,
)

# チームを使用します。エージェントのやり取りはすべて Weave でトレースされます
agent_team.print_response(
    "What's the current market sentiment around NVIDIA? Include both news analysis and financial metrics.",
    stream=True
)
```

このマルチエージェントのトレースは、Weave 上での各エージェント間の連携を示しています。これにより、エージェントチーム内でタスクがどのように分配され、実行されているかを可視化できます。

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/weave/_media/agno_team_trace.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=322ada104235c30177d518bad18f65c3" alt="Agno のマルチエージェントチームのトレースの可視化" width="2908" height="1582" data-path="products/wandb/weave/_media/agno_team_trace.png" />
</Frame>

<h2 id="work-with-reasoning-agents">
  推論エージェントを使用する
</h2>

Agno には推論機能が組み込まれており、エージェントは問題を段階的に処理できます。こうした推論プロセスもトレースで取得されます。

```python lines theme={"system"}
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.reasoning import ReasoningTools
from agno.tools.yfinance import YFinanceTools

from dotenv import load_dotenv
load_dotenv()

# tracing.py ファイルから AgnoInstrumentor をインポートします
from tracing import AgnoInstrumentor

# Agno のインストルメンテーションを開始します
AgnoInstrumentor().instrument()

# 推論エージェントを作成します
reasoning_agent = Agent(
    name="Reasoning Finance Agent",
    model=OpenAIChat(id="gpt-4o"),
    tools=[
        ReasoningTools(add_instructions=True),
        YFinanceTools(
            stock_price=True,
            analyst_recommendations=True,
            company_info=True,
            company_news=True
        ),
    ],
    instructions="Use tables to display data and show your reasoning process",
    show_tool_calls=True,
    markdown=True,
)

# 推論エージェントを実行します
reasoning_agent.print_response(
    "Should I invest in Apple stock right now? Analyze the current situation and provide a reasoned recommendation.",
    stream=True
)
```

トレースには推論ステップが表示され、エージェントが複雑な問題をどのように分解し、どのように意思決定を行うかを確認できます。

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/weave/_media/agno_reasoning_trace.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=66b624b1e556b992a91d16090c23d492" alt="Agno の推論エージェントのトレース可視化" width="2908" height="1582" data-path="products/wandb/weave/_media/agno_reasoning_trace.png" />
</Frame>

<h2 id="work-with-memory-and-knowledge">
  メモリとナレッジを扱う
</h2>

Agno のエージェントはメモリを保持し、ナレッジベースにアクセスできるため、複数のやり取りにわたってコンテキストを維持できます。これらの操作も Weave でトレースされます。

```python lines theme={"system"}
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.memory import AgentMemory
from agno.storage.sqlite import SqliteStorage

from dotenv import load_dotenv
load_dotenv()

# tracing.py ファイルから AgnoInstrumentor を読み込む
from tracing import AgnoInstrumentor

# Agno のインストルメンテーションを開始する
AgnoInstrumentor().instrument()


# メモリ付きのエージェントを作成する
memory_agent = Agent(
    name="Memory Agent",
    model=OpenAIChat(id="gpt-4o-mini"),
    memory=AgentMemory(),
    storage=SqliteStorage(
        table_name="agent_sessions",
        db_file="agent_memory.db"
    ),
    instructions="Remember our conversation history",
    show_tool_calls=True,
    markdown=True,
)

# 1 回目のやり取り
memory_agent.print_response("My name is John and I'm interested in AI investing strategies.")

# 2 回目のやり取り: エージェントは前回のコンテキストを記憶している
memory_agent.print_response("What specific AI companies would you recommend for my portfolio?")
```

<Frame>
  <img src="https://mintcdn.com/coreweave-dbfa0e8d/3Dv_sw2eg8feUJlx/products/wandb/weave/_media/agno_memory_use.png?fit=max&auto=format&n=3Dv_sw2eg8feUJlx&q=85&s=1c0479d9d446b6ebaa2c07e734bace39" alt="Agno のメモリ使用量を示すトレースの可視化" width="2908" height="1582" data-path="products/wandb/weave/_media/agno_memory_use.png" />
</Frame>

会話履歴の保存や取得などのメモリ操作は、トレースに表示されます。

<h2 id="learn-more">
  詳細情報
</h2>

* [Agno 公式ドキュメント](https://docs.agno.com/)
* [OTEL 公式ドキュメント](https://opentelemetry.io/)
* [Agno の GitHub リポジトリ](https://github.com/agno-agi/agno)
* [OpenInference の Agno インストルメンテーション](https://pypi.org/project/openinference-instrumentation-agno/)


## Related topics

- [インテグレーションの概要](/ja/products/wandb/weave/guides/integrations.md)