Turn - CoreWeave Docs

class Turn(BaseModel): ...

사용자와 에이전트 간의 한 차례 상호작용입니다. invoke_agent OTel span에 매핑됩니다. 기본적으로 각 턴은 자체 OTel 트레이스를 시작하므로(continue_parent_trace=False) Conversations 탭에는 턴마다 트레이스가 하나씩 표시됩니다. 외부 트레이스가 이미 활성 상태이고 에이전트 호출을 그 안에 중첩하려면(예: fastapi로 계측된 요청 내부) Conversation(또는 Turn에 직접)에 continue_parent_trace=True를 설정하세요. Turn은 Pydantic 모델입니다. 생성할 때 아래 필드를 키워드 인수로 설정할 수 있습니다. Turn은 컨텍스트 관리자이므로 with 문에서 사용할 수 있습니다.

필드

필드	유형	기본값
`agent_name`	`str`	`''`
`model`	`str`	`''`
`agent_id`	`str`	`''`
`agent_description`	`str`	`''`
`agent_version`	`str`	`''`
`system_instructions`	`list[str]`	`[]`
`messages`	`list[Message]`	`[]`
`output_messages`	`list[Message]`	`[]`
`spans`	`list[Union[LLM, Tool, SubAgent]]`	`[]`
`continue_parent_trace`	`bool`	`False`
`started_at`	`Union[datetime, None]`	`None`
`ended_at`	`Union[datetime, None]`	`None`

메서드

user

def user(content: str) -> Turn: ...

턴 도중에 사용자 메시지를 추가합니다.

start_llm

def start_llm(
    *,
    model: str = '',
    provider_name: str = '',
    system_instructions: Union[list[str], None] = None,
) -> LLM: ...

LLM Call을 시작합니다(이 턴의 하위 항목인 chat span). _current_llm contextvar를 설정하므로 컨텍스트 관리자 사용 여부와 관계없이 get_current_llm()으로 LLM에 접근할 수 있습니다.

start_tool

def start_tool(*, name: str, arguments: str = '', tool_call_id: str = '') -> Tool: ...

도구 실행을 시작합니다(이 턴의 하위 span인 execute_tool span).

start_subagent

def start_subagent(
    *,
    name: str,
    model: str = '',
    system_instructions: Union[list[str], None] = None,
    set_current: bool = True,
) -> SubAgent: ...

하위 에이전트 호출을 시작합니다(같은 트레이스 안에 중첩된 invoke_agent span 생성).

record

def record(
    *,
    messages: Union[list[Message], None] = None,
    output_messages: Union[list[Message], None] = None,
    system_instructions: Union[list[str], None] = None,
    agent_name: Union[str, None] = None,
    model: Union[str, None] = None,
    agent_id: Union[str, None] = None,
    agent_description: Union[str, None] = None,
    agent_version: Union[str, None] = None,
) -> Turn: ...

여러 턴 필드를 한 번의 호출로 설정합니다. 수동으로 계측한 에이전트가 턴에 필드별로 하나씩 수행하던 할당(system_instructions, agent_id, …)을 단일 키워드 호출로 통합합니다. 명시적으로 전달한 (None이 아닌) 필드만 적용되며, 기존 값은 그대로 유지됩니다. messages와 output_messages는 각각 독립적으로 턴의 기존 입력 메시지와 출력 메시지를 대체합니다. 입력 메시지 하나를 추가하는 Turn.user(...)와는 이 점이 다릅니다. 체이닝할 수 있도록 self를 반환합니다. LLM.record와 같은 방식으로 동작합니다. 참고: 스트리밍(with) 경로에서는 __enter__ 시점의 agent_name으로 턴 span의 이름이 정해집니다. 따라서 span 이름에 agent_name을 반영해야 한다면 record 대신 start_turn으로 agent_name을 설정하세요. 이 경우에도 record는 gen_ai.agent.name 속성을 업데이트합니다.

end

def end() -> None: ...

start

def start() -> Self: ...

이 span을 한 번 시작합니다. 컨텍스트 관리자로 진입할 때도 동일한 경로를 사용합니다.

record_error

def record_error(error: BaseException) -> Self: ...

span을 종료하지 않고 실패를 기록합니다. span을 종료할 준비가 되면 end()를 호출하세요.

set_attributes

def set_attributes(attributes: dict[str, Any]) -> Self: ...

이 span에 임의의 OTel 속성을 지정합니다. 키가 하나이든 여러 개이든 dict를 전달하세요. 키가 하나뿐이라면 span.set_attributes({"weave.tag": "value"})와 같이 사용합니다. OTel의 Span.set_attributes와 동일하게 동작합니다. start_* 팩토리, start() 또는 with로 span을 시작한 후, span이 종료되기 전에 호출해야 합니다. 이 윈도우 밖에서 호출하면 아무 작업도 수행하지 않고 경고만 로깅합니다. 일괄 수집 시에는 객체에 선언된 필드를 직접 채운 다음 log_turn / log_conversation에 전달하세요.

​필드

​메서드

​user

​start_llm

​start_tool

​start_subagent

​record

​end

​start

​record_error

​set_attributes

필드

메서드