LLM 에이전트 디버깅, Langfuse·Phoenix·MLflow를 직접 써봤다
LLM 에이전트 디버깅은 최종 답변만 읽는 것으로 끝나지 않는다. 답변이 이상할때 모델 탓부터 하기 쉽지만, 실제 원인은 검색 결과 0건, 잘못 전달된 프롬프트,도구 호출 실패, 예상보다 큰 컨텍스트처럼 중간 단계에 숨어 있는 경우가 많다. 최종답변과 일반 애플리케이션 로그만 보면 이 과정을 한눈에 연결하기 어렵다.그래서 Langfuse, Arize Phoenix, MLflow Tracing을 로컬에 직접 설치하고 같은RAG 실패 시나리오를 기록해 봤다. Langfuse 사용법을 익히는 데서 그치지 않고,로컬 Codex CLI와 Claude Code도 같은 질문으로 실행해 trace 하나에 묶었다.먼저 결론부터 말하면 다음과 같다.LLM 전용 trace, 평가, prompt 운영을 한 제품에서 다루려면 ..
후기
2026. 8. 13.