Agent Logging fournit un cadre unifié de journalisation pour les frameworks d'agents IA et les flux de travail personnalisés. Il intercepte et enregistre chaque étape de l'exécution d'un agent — génération d'invites, invocation d'outils, réponse LLM et sortie finale — avec horodatages et métadonnées. Les logs peuvent être exportés en JSON, CSV ou envoyés à des services de surveillance. La bibliothèque prend en charge des niveaux de journalisation personnalisables, des hooks pour l'intégration avec des plateformes d'observabilité et des outils de visualisation pour suivre les chemins de décision. Avec Agent Logging, les équipes obtiennent des insights sur le comportement des agents, détectent les goulets d'étranglement de performance et maintiennent des enregistrements transparents à des fins d'audit.

Multi-Agent-Conversation-AutoGen est conçu pour automatiser la création de séquences de dialogues interactifs entre plusieurs agents IA pour des tests, de la recherche et des applications éducatives. Les utilisateurs fournissent un fichier de configuration pour définir les profils d'agents, leurs personas et le flux de la conversation. Le framework orchestre des interactions basées sur des tours, en utilisant l'API GPT d'OpenAI pour générer chaque message de manière dynamique. Les principales fonctionnalités incluent des modèles de prompts configurables, une intégration API flexible, un contrôle de la longueur de la conversation et des logs exportables en JSON ou texte. Avec cet outil, les développeurs peuvent simuler des discussions de groupe complexes, tester la robustesse des agents conversationnels dans divers scénarios, et générer rapidement de grands ensembles de données de dialogue sans scripts manuels. Son architecture modulaire permet une extension à d'autres fournisseurs LLM et une intégration dans des pipelines de développement existants.