Laminar 是一个专门为解决监控 AI Agent 独特挑战而设计的开源可观测性平台。与传统的软件监控不同，Agent 的可观测性需要追踪复杂的非线性行为，例如多步推理、工具使用和长周期循环。该平台提供了一套工具集，包括追踪（tracing）、信号（signals）和评估（evaluations），帮助开发者了解其 Agent 如何与外部系统及内部逻辑进行交互。
该图片作为该平台作为 AI Agent 开源可观测性工具身份的主要视觉展示。
该平台的核心机制依赖于原生 OpenTelemetry SDK，允许开发者以极少的代码量对 AI Agent 工作流进行埋点。它支持广泛的流行框架和模型，包括 LangChain、OpenAI、Anthropic 和 Gemini。Laminar 将这些交互捕获为追踪数据，随后可以使用 SQL 进行查询，或通过自定义仪表板构建器进行可视化。为了处理 Agent 工作流产生的大量数据，Laminar 利用基于 Rust 的后端实现了 20 倍的追踪压缩，从而实现高效的存储和摄入。它还具备自定义的实时引擎，用于在追踪发生时即时查看，并支持对 span 数据进行全文搜索。
除了简单的监控，Laminar 还包含主动告警和评估功能。开发者可以用纯英文定义“信号”——例如“Agent 陷入循环”——系统将监控每一次 Agent 运行，并在满足这些条件时触发通知（如 Slack 提醒）。在测试方面，该平台提供了一个无偏见的 SDK 和 CLI，用于在本地或 CI/CD 环境中运行评估（evals），并提供 UI 用于对比结果。虽然该平台提供托管服务，但它也支持通过 Docker Compose 进行自托管，允许组织对其敏感的 Agent 数据和追踪日志保持控制。