comet-ml--opik/readme_JP.md

注意：このファイルはAIを使用して機械翻訳されています。翻訳の改善への貢献を歓迎します！

English | 简体中文 | 日本語 | Português (Brasil) | 한국어
Español | Français | Deutsch | Русский | العربية | हिन्दी | Türkçe

Opik

AI向けオープンソースのオブザーバビリティ、評価、最適化プラットフォーム

Opikは、プロトタイプから本番まで、より良く動作する生成AIアプリケーションの構築、テスト、最適化を支援します。RAGチャットボットやコードアシスタント、複雑なエージェンティックシステムに至るまで、Opikは包括的なトレース、評価、そしてプロンプトやツールの自動最適化を提供し、AI開発における試行錯誤を取り除きます。

Webサイト • Slack コミュニティ • Twitter • 変更履歴 • ドキュメント

🚀 Opikとは？ • 🛠️ Opikサーバーのインストール • 💻 OpikクライアントSDK • 📝 トレースのログ記録と統合
🧑‍⚖️ LLMをジャッジとして • 🔍 アプリケーションの評価 • ⭐ GitHubでスターを • 🤝 貢献

🚀 Opikとは？

Opik（Cometによる開発）は、LLMアプリケーションのライフサイクル全体を効率化するためのオープンソースプラットフォームです。開発者がモデルやエージェンシーシステムを評価、テスト、監視、最適化できるようにします。主な提供機能は次のとおりです：

• 包括的なオブザーバビリティ：LLM呼び出しの詳細なトレーシング、会話ログ、エージェントアクティビティの記録。
• 高度な評価：プロンプト評価、LLM-as-a-judge、実験管理の強力な機能。
• 本番環境対応：スケーラブルな監視ダッシュボードとオンライン評価ルール。
• Opik Agent Optimizer：プロンプトやエージェントを強化する専用SDKとオプティマイザー。
• Opik Guardrails：安全で責任あるAI実践を支援する機能。

主な機能：

• 開発 & トレーシング：

  • 開発中および本番環境での詳細コンテキスト付きLLM呼び出しとトレースの追跡（クイックスタート）。
  • 幅広いサードパーティ統合によるオブザーバビリティ：Google ADK、Autogen、Flowise AIなどの最新フレームワークをネイティブサポート（統合一覧）。
  • Python SDKやUIを使ったトレースやスパンへのフィードバックスコアの注釈。
  • Prompt Playgroundでプロンプトやモデルを試行。

• 評価 & テスト：

  • データセットと実験を使ったLLMアプリ評価の自動化。
  • ハルシネーション検出、モデレーション、RAG評価（回答の関連性、コンテキスト精度）などのLLM-as-a-judgeメトリクス。
  • PyTest統合を使ったCI/CDパイプラインへの評価組み込み。

• 本番監視 & 最適化：

  • 高ボリュームの本番トレース記録：Opikはスケールを重視（1日あたり4,000万以上のトレース）。
  • Opikダッシュボードでフィードバックスコア、トレース数、トークン使用量を時間推移で監視（ダッシュボード）。
  • オンライン評価ルールを使った本番問題の検出。
  • Opik Agent Optimizer と Opik Guardrails で本番環境のLLMアプリを継続的に改善・保護。

Tip

現在Opikにない機能が必要な場合は、ぜひ新しい機能リクエストを提出してください 🚀

🛠️ Opikサーバーのインストール

数分でOpikサーバーを起動できます。ニーズに合ったオプションを選んでください：

オプション1：Comet.comクラウド（最も簡単 & 推奨）

セットアップ不要で即時にOpikにアクセスできます。クイックスタートやメンテナンス不要の方に最適。

👉 無料のCometアカウントを作成

オプション2：セルフホストによる完全管理

独自環境にOpikをデプロイ。ローカルはDocker、スケーラブル環境はKubernetesを選択。

Docker Composeでのセルフホスト（ローカル開発 & テスト向け）

最も簡単にローカルOpikインスタンスを起動する方法です。新しい .opik.sh インストールスクリプトに注目：

On Linux or Mac Environment:

# Opikリポジトリをクローン
git clone https://github.com/comet-ml/opik.git

# リポジトリへ移動
cd opik

# Opikプラットフォームを起動
./opik.sh

On Windows Environment:

# Opikリポジトリをクローン
git clone https://github.com/comet-ml/opik.git

# リポジトリへ移動
cd opik

# Opikプラットフォームを起動
powershell -ExecutionPolicy ByPass -c ".\\opik.ps1"

開発用サービスプロファイル

Opikインストールスクリプトは、異なる開発シナリオ向けのサービスプロファイルをサポートしています：

# フルOpikスイート（デフォルト動作）
./opik.sh

# インフラストラクチャサービスのみ（データベース、キャッシュなど）
./opik.sh --infra

# インフラストラクチャ + バックエンドサービス
./opik.sh --backend

# 任意のプロファイルでガードレールを有効化
./opik.sh --guardrails # フルOpikスイート + ガードレール
./opik.sh --backend --guardrails # インフラストラクチャ + バックエンド + ガードレール

--help または --info オプションでトラブルシューティングが可能。Dockerfileは非rootユーザー実行を保証し、セキュリティを強化。起動後、ブラウザで localhost:5173 を開くだけです。詳細は ローカルデプロイガイド をご覧ください。

Kubernetes & Helmでのセルフホスト（大規模デプロイ向け）

本番や大規模セルフホスト環境では、Helmチャートを使ってKubernetesクラスタにインストールできます。詳しくはバッジをクリックして Kubernetesインストールガイド (Helm) をご参照ください。

Important

バージョン 1.7.0 の変更：重要な更新と破壊的変更については 変更履歴 をご確認ください。

💻 OpikクライアントSDK

Opikは、Opikサーバーとやり取りするためのクライアントライブラリ群とREST APIを提供します。Python、TypeScript、Ruby（OpenTelemetry経由）のSDKがあり、ワークフローへのシームレスな統合が可能です。詳細は Opikクライアントリファレンス をご覧ください。

Python SDKクイックスタート

Python SDKを始めるには：

パッケージをインストール：

# pipでインストール
pip install opik

# または uv を使ってインストール
uv pip install opik

opik configure コマンドを実行して、Opikサーバーアドレス（セルフホストの場合）またはAPIキーとワークスペース（Comet.comの場合）を入力します：

opik configure

Tip

Pythonコード内で opik.configure(use_local=True) を呼び出してローカルセルフホスト構成にしたり、APIキーとワークスペースを直接指定することも可能です。詳細は Python SDKドキュメント を参照してください。

これで Python SDK を使ったトレースのログ記録が可能になります。

📝 トレースのログ記録と統合

最も簡単なトレース記録方法は、直接統合を使うことです。Opikは以下を含む多種多様なフレームワークをサポートしています：

統合	説明	ドキュメント
ADK	Google Agent Development Kit (ADK) のトレースを記録	ドキュメント
AG2	AG2 LLM 呼び出しのトレースを記録	ドキュメント
aisuite	aisuite LLM 呼び出しのトレースを記録	ドキュメント
Agent Spec	Agent Spec 呼び出しのトレースを記録	ドキュメント
Agno	Agno エージェントオーケストレーションフレームワーク呼び出しのトレースを記録	ドキュメント
Anthropic	Anthropic LLM 呼び出しのトレースを記録	ドキュメント
Autogen	Autogen エージェンシーワークフローのトレースを記録	ドキュメント
Bedrock	Amazon Bedrock LLM 呼び出しのトレースを記録	ドキュメント
BeeAI (Python)	BeeAI Python エージェントフレームワーク呼び出しのトレースを記録	ドキュメント
BeeAI (TypeScript)	BeeAI TypeScript エージェントフレームワーク呼び出しのトレースを記録	ドキュメント
BytePlus	BytePlus LLM 呼び出しのトレースを記録	ドキュメント
CrewAI	CrewAI 呼び出しのトレースを記録	ドキュメント
Cloudflare Workers AI	Cloudflare Workers AI 呼び出しのトレースを記録	ドキュメント
Cohere	Cohere LLM 呼び出しのトレースを記録	ドキュメント
Cursor	Cursor 会話のトレースを記録	ドキュメント
DeepSeek	DeepSeek LLM 呼び出しのトレースを記録	ドキュメント
Dify	Dify エージェンシー実行のトレースを記録	ドキュメント
DSPy	DSPy 実行のトレースを記録	ドキュメント
Fireworks AI	Fireworks AI LLM 呼び出しのトレースを記録	ドキュメント
Flowise AI	Flowise AI ビジュアルLLMアプリのトレースを記録	ドキュメント
Gemini (Python)	Google Gemini LLM 呼び出しのトレースを記録	ドキュメント
Gemini (TypeScript)	Google Gemini TypeScript SDK 呼び出しのトレースを記録	ドキュメント
Groq	Groq LLM 呼び出しのトレースを記録	ドキュメント
Guardrails	Guardrails AI 検証のトレースを記録	ドキュメント
Haystack	Haystack 呼び出しのトレースを記録	ドキュメント
Harbor	Harbor ベンチマーク評価トライアルのトレースを記録	ドキュメント
Instructor	Instructor 経由のLLM呼び出しトレースを記録	ドキュメント
LangChain (Python)	LangChain LLM 呼び出しのトレースを記録	ドキュメント
LangChain (JS/TS)	LangChain JavaScript/TypeScript 呼び出しのトレースを記録	ドキュメント
LangGraph	LangGraph 実行のトレースを記録	ドキュメント
Langflow	Langflow ビジュアルAIビルダーのトレースを記録	ドキュメント
LiteLLM	LiteLLM モデル呼び出しのトレースを記録	ドキュメント
LiveKit Agents	LiveKit Agents AI エージェントフレームワーク呼び出しのトレースを記録	ドキュメント
Mastra	Mastra AI ワークフローフレームワーク呼び出しのトレースを記録	ドキュメント
Microsoft Agent Framework (Python)	Microsoft Agent Framework 呼び出しのトレースを記録	ドキュメント
Microsoft Agent Framework (.NET)	Microsoft Agent Framework .NET 呼び出しのトレースを記録	ドキュメント
Mistral AI	Mistral AI LLM 呼び出しのトレースを記録	ドキュメント
n8n	n8n ワークフロー実行のトレースを記録	ドキュメント
LlamaIndex	LlamaIndex LLM 呼び出しのトレースを記録	ドキュメント
Ollama	Ollama LLM 呼び出しのトレースを記録	ドキュメント
OpenAI (Python)	OpenAI LLM 呼び出しのトレースを記録	ドキュメント
OpenAI (JS/TS)	OpenAI JavaScript/TypeScript 呼び出しのトレースを記録	ドキュメント
OpenAI Agents	OpenAI Agents SDK 呼び出しのトレースを記録	ドキュメント
OpenClaw	OpenClaw エージェント実行のトレースを記録	ドキュメント
Novita AI	Novita AI LLM 呼び出しのトレースを記録	ドキュメント
OpenRouter	OpenRouter LLM 呼び出しのトレースを記録	ドキュメント
OpenTelemetry	OpenTelemetry 対応呼び出しのトレースを記録	ドキュメント
OpenWebUI	OpenWebUI の会話のトレースを記録	ドキュメント
Pipecat	Pipecat リアルタイム音声エージェント呼び出しのトレースを記録	ドキュメント
Predibase	Predibase LLM 呼び出しのトレースを記録	ドキュメント
Pydantic AI	PydanticAI エージェント呼び出しのトレースを記録	ドキュメント
Ragas	Ragas 評価のトレースを記録	ドキュメント
Smolagents	Smolagents エージェント呼び出しのトレースを記録	ドキュメント
Semantic Kernel	Microsoft Semantic Kernel 呼び出しのトレースを記録	ドキュメント
Spring AI	Spring AI フレームワーク呼び出しのトレースを記録	ドキュメント
Strands Agents	Strands Agents 呼び出しのトレースを記録	ドキュメント
Together AI	Together AI LLM 呼び出しのトレースを記録	ドキュメント
Vercel AI SDK	Vercel AI SDK 呼び出しのトレースを記録	ドキュメント
VoltAgent	VoltAgent エージェントフレームワーク呼び出しのトレースを記録	ドキュメント
watsonx	IBM watsonx LLM 呼び出しのトレースを記録	ドキュメント
xAI Grok	xAI Grok LLM 呼び出しのトレースを記録	ドキュメント

Tip

リストにないフレームワークを使用している場合は、Issueを開くかPRを提出してください。

フレームワークを使用しない場合は、track デコレータを使ってトレースを記録できます（詳細）：

import opik

opik.configure(use_local=True) # ローカル実行

@opik.track
def my_llm_function(user_question: str) -> str:
    # あなたのLLMコードをここに記述
    return "こんにちは"

Tip

trackデコレータは統合と併用でき、ネストされた関数呼び出しのトラッキングにも対応します。

🧑‍⚖️ LLMをジャッジとして

Python Opik SDKにはLLM-as-a-judge用メトリクスが多数含まれており、LLMアプリの評価に役立ちます。詳細は メトリクスドキュメント をご覧ください。

使用例：

from opik.evaluation.metrics import Hallucination

metric = Hallucination()
score = metric.score(
    input="フランスの首都は何ですか？",
    output="パリ",
    context=["フランスはヨーロッパの国です。"]
)
print(score)

Opikには事前定義のヒューリスティックメトリクスも多数含まれており、独自メトリクスの作成も可能です。詳細は同じく メトリクスドキュメント をご覧ください。

🔍 アプリケーションの評価

開発中の評価には データセット と 実験 を活用できます。Opikダッシュボードは実験のチャートを強化し、大規模トレースの扱いを改善します。CI/CDへの組み込みには PyTest統合 をご利用ください。

⭐ GitHubでスターを

Opikがお役に立ちましたら、ぜひスターをお願いします！コミュニティの拡大と製品改善の励みになります。

🤝 貢献

Opikへの貢献方法は多数あります：

• バグ報告 や 機能リクエスト を提出
• ドキュメントをレビューし、プルリクエスト を送信
• Opikについて講演や記事執筆を行い、連絡
• 人気の機能リクエスト に投票してサポートを示す

詳細は 貢献ガイドライン をご覧ください。