#llm-observability Repositories
Entdecke 30 aktive Open-Source-GitHub-Repositories, die mit #llm-observability getaggt sind und insgesamt 151,448 Sterne gesammelt haben (durchschnittlich 5,048 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist langfuse/langfuse mit 37,696 Sternen.
Insgesamt 30 Repositories
🪢 Open-Source-Plattform für KI-Engineering: AI Gateway, Agenten-Observability, Evaluierungen sowie Prompt- und Skill-Management, basierend auf OpenTelemetry. Eine offene Plattform für jeden KI-Aufruf und jeden Agenten. Selbst hosten oder Langfuse Cloud nutzen.
Debuggen, bewerten und überwachen Sie Ihre LLM-Anwendungen, RAG-Systeme und agentenbasierten Workflows mit umfassendem Tracing, automatisierten Bewertungen und produktionsreifen Dashboards.
KI-Agenten-Engineering-Plattform, die auf einem Open-Source TypeScript KI-Agenten-Framework basiert
Observability und Durchsetzung für KI-Agenten-Frameworks. Erfassen Sie jeden Lauf und gewährleisten Sie die Laufzeitzuverlässigkeit durch Richtliniendurchsetzung.
Open-Source-KI-Gateway mit hoher Leistung, die als LLM-, MCP- und Agent-Gateway dient. Eine einzige OpenAI-kompatible API für mehr als 10.000 Modelle – mit Failover, Lastverteilung, semantischem Caching, virtuellen Schlüsseln, Budgets und MCP Code Mode. Funktioniert mit jedem SDK und Agenten und verursacht bei 5k RPS weniger als 200 µs zusätzlichen Overhead.
🧊 Open-Source LLM-Observability-Plattform. Eine Codezeile zum Überwachen, Bewerten und Experimentieren. YC W23 🍓
Next-Generation KI-Agenten-Optimierungsplattform: Cozeloop adressiert Herausforderungen in der KI-Agentenentwicklung, indem es umfassende Managementfunktionen für den gesamten Lebenszyklus von der Entwicklung, dem Debugging und der Evaluierung bis zur Überwachung bietet.
Open-Source-Observability für KI-Agenten. Finden Sie heraus, wo Ihre Agenten scheitern, schicken Sie Ihren Coding-Agenten zur Behebung los und verifizieren Sie die Lösung anhand echter Traces.
Laminar – Open-Source-Observability-Plattform, die speziell für KI-Agenten entwickelt wurde. YC S24.
Derselbe Agent, eine kleinere Rechnung. Die Tools und die Infrastruktur, mit denen deine KI mehr leisten kann. Weniger Tokens. Weniger Rechenaufwand. Geringere Kosten.
Open-Source-End-to-End-Plattform zur Bewertung, Beobachtung und Verbesserung von LLM- und KI-Agent-Anwendungen. Tracing · Evals · Simulations · Datasets · Gateway · Guardrails. Selbst-hostbar. Apache 2.0.
traceroot: die Open-Source-Plattform, die Ihre KI-Agenten kontinuierlich verbessert.
Trace-natives CI/CD für KI-Agenten – Produktionsfehler werden zu Regressionstests, die den PR blockieren. Automatisch erkennen, clustern, in hermetische Testfälle einfrieren und in der CI für 0 $ wiedergeben.
OrcaReplay — Zeitreisen für KI-Agenten. Zeichnen Sie beliebige Agentenläufe mit jedem Modell auf, spielen Sie sie erneut ab, verzweigen Sie sie und debuggen Sie sie. Entwickelt vom OrcaRouter.ai-Team.
Der Continuous-Improvement-Stack für Agenten. Unsere Umgebungsdaten und Evaluierungen treiben die Verbesserung und Überwachung von Agenten voran.
Lokales Gateway für Claude Code, Codex und andere KI-Clients unter macOS, Windows und Linux: Upstreams wechseln, ohne die Clients anzupassen, API-Schlüssel von Relays fernhalten, bösartige Tool-Aufrufe blockieren und jede Anfrage nachverfolgen.
Trace-natives CI/CD für KI-Agenten: Produktions-Traces bewerten, Fehler gruppieren, sie in wiederholbare Regressionstests überführen und PRs blockieren, die Regressionen verursachen. Selbst hostbar.
Self-hosted KI-API und MCP-Gateway für Organisationen: SSO und RBAC, benutzerbezogene Identität für MCP-Tool-Aufrufe, Schwärzung personenbezogener Daten (PII) und Schutzmechanismen für Tool-Aufrufe, Ratenbegrenzungen, Budgets, Kostenabrechnung und Audit-Protokolle.
Local-first-Observability für KI-Coding-Agenten. Tokens, Cache, Modelle und Kosten jeder Claude-Code- und Codex-Sitzung – auf diesem Rechner und auf jedem Rechner, mit dem Sie sich über einen selbst gehosteten Team-Hub verbinden. Präsentationsmodus, Policy-Hooks, von Apple signierte und notarized macOS-Builds sowie attestierte Releases. MIT.
Self-hosted KI-Agentenplattform für KI-native Unternehmen. Claude Code-, Codex-, Gemini- und OpenCode-Agenten. Apache 2.0.
DataBuff ist ein KI-natives APM auf Basis von OpenTelemetry und bietet standardmäßig eine Multi-Agent-Fehlerbehebung.
🦞 Offizielles Plugin für OpenClaw, das Agent-Traces nach Opik exportiert. Überwachen Sie Agent-Verhalten, Kosten, Tokens, Fehler und mehr.
Full-Stack-Anwendung zum Abrufen von Aktiendaten und Nachrichten unter Verwendung von LLM, LangChain und LangGraph
Durchsetzung von Richtlinien zur Laufzeit für KI-Agenten. Kryptografischer Prüfpfad, Genehmigungen mit menschlicher Beteiligung und Notausschalter. Keine Codeänderungen.
Häufig gestellte Fragen
Welches ist das beliebteste #llm-observability-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#llm-observability-Projekt auf GitHub ist langfuse/langfuse mit 37,696 Sternen. 🪢 Open-Source-Plattform für KI-Engineering: AI Gateway, Agenten-Observability, Evaluierungen sowie Prompt- und Skill-Management, basierend auf OpenTelemetry. Eine offene Plattform für jeden KI-Aufruf und jeden Agenten. Selbst hosten oder Langfuse Cloud nutzen.
Welche Programmiersprachen werden in #llm-observability-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #llm-observability-Projekten auf GitHub sind TypeScript, Python, Java, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #llm-observability-Repositories berechnet?
Wir verfolgen 30 aktive Open-Source-Repositories, die mit #llm-observability getaggt sind (500+ Sterne), mit insgesamt 151,448 Sternen und durchschnittlich 5,048 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.