DEV Community

Cover image for Apidog AI Agent Debugger: Ketersediaan, Cakupan, dan Cara Pengaturan
Walse
Walse

Posted on • Originally published at apidog.com

Apidog AI Agent Debugger: Ketersediaan, Cakupan, dan Cara Pengaturan

Debugger Agen AI Apidog tersedia di klien Apidog terbaru untuk semua paket, termasuk paket Gratis. Dengan debugger ini, Anda dapat menjalankan agen AI terhadap model OpenAI dan Anthropic, menghubungkan server MCP, memeriksa setiap panggilan model dan pemanggilan alat di panel Jejak, serta melacak biaya per eksekusi.

Coba Apidog hari ini

Artikel ini menjelaskan cara mulai menggunakan Debugger Agen AI: siapa yang bisa menggunakannya, penyedia model yang didukung, cara menghubungkan server MCP, batasan fitur, dan dampaknya terhadap proyek Apidog yang sudah ada.

Apa yang tersedia

Debugger Agen AI sudah termasuk dalam klien Apidog standar.

Tidak ada lisensi terpisah, paket tambahan, atau biaya per pengguna.

  • Paket Gratis, Dasar, Profesional, dan Perusahaan menyertakan Debugger Agen AI.
  • Fitur ini aktif secara default.
  • Anda harus menggunakan versi klien Apidog terbaru.
  • Klien lama tidak menampilkan tab AI Agent Debugger.

Langkah awal yang perlu dilakukan:

  1. Perbarui Apidog ke versi terbaru.
  2. Buka klien Apidog.
  3. Cari tab AI Agent Debugger di bilah tab atas.

Penyedia model yang didukung

Penyedia Status Model
OpenAI Didukung GPT-5.5, GPT-5.5 Instant, seri-o, dan model apa pun di akun OpenAI
Anthropic Didukung Claude 4.7 Sonnet, Claude 4.7 Opus, Claude 4.7 Haiku
Endpoint khusus yang kompatibel dengan OpenAI Didukung melalui penggantian URL Dasar Penyedia apa pun yang menyediakan API yang kompatibel dengan OpenAI
Penyedia lain seperti Google, Mistral, xAI Dalam rencana pengembangan Saat ini bukan prioritas utama

Jika Anda menggunakan endpoint yang kompatibel dengan OpenAI, gunakan opsi penggantian URL Dasar saat mengatur koneksi model.

Contoh alur konfigurasi:

  1. Pilih penyedia model.
  2. Pilih model yang ingin diuji.
  3. Periksa URL Dasar.
  4. Jika memakai endpoint kustom, ganti URL tersebut.
  5. Masukkan kunci API penyedia model.
  6. Jalankan prompt uji sederhana untuk memastikan koneksi berhasil.

Metode koneksi server MCP

Debugger Agen AI mendukung Protokol Konteks Model atau MCP secara asli.

Tiga transportasi yang didukung:

  • STDIO

    Menjalankan server MCP sebagai subproses lokal. Cocok untuk server MCP yang sedang dikembangkan atau diuji secara lokal.

  • HTTP Streamable

    Menghubungkan debugger ke server MCP yang dihosting dan dapat dijangkau melalui HTTP.

  • SSE

    Menggunakan Server-Sent Events lama. Masih didukung untuk kompatibilitas mundur.

Autentikasi server MCP mendukung dua pola:

  • Header standar, misalnya kunci API.
  • OAuth 2.0 dengan pertukaran token penuh.

Contoh penggunaan praktis:

  • Gunakan STDIO saat Anda sedang mengembangkan server MCP lokal.
  • Gunakan HTTP Streamable saat server MCP sudah berjalan di lingkungan remote.
  • Gunakan SSE jika server MCP lama masih memakai transport tersebut.

Apa yang dicakup oleh debugger

Debugger menangkap rantai eksekusi agen dari awal sampai akhir.

Anda dapat memeriksa:

  • Panggilan model dengan payload permintaan dan respons lengkap.
  • Jejak pemikiran model jika model mengungkapkannya, seperti seri-o OpenAI atau pemikiran diperpanjang Anthropic.
  • Pemanggilan alat beserta nilai parameter dan data pengembalian.
  • Lalu lintas server MCP, ditampilkan di panel Jejak seperti panggilan alat lainnya.
  • Alat bawaan:
    • bash
    • web_fetch
    • read
    • edit
    • write
    • grep
    • glob
    • kill_shell
  • Metrik kinerja per eksekusi:
    • waktu respons
    • token input
    • token output
    • perkiraan biaya
  • Keterampilan, yaitu bundel tersimpan berisi:
    • prompt sistem
    • daftar alat
    • parameter
    • konfigurasi untuk menjalankan ulang skenario

Gunakan panel Jejak untuk menjawab pertanyaan debugging seperti:

  • Model mengirim prompt apa ke penyedia?
  • Alat mana yang dipanggil?
  • Parameter apa yang dikirim ke alat?
  • Server MCP mengembalikan data apa?
  • Berapa token dan estimasi biaya untuk satu eksekusi?

Apa yang tidak dicakup oleh debugger

Debugger Agen AI dirancang untuk debugging lokal dan interaktif. Fitur ini bukan pengganti semua sistem observabilitas atau pengujian.

Tidak termasuk:

  • Observabilitas produksi

    Untuk pencatatan lalu lintas jangka panjang, gunakan alat observabilitas khusus.

  • Pengujian regresi otomatis

    Untuk menguji banyak variasi prompt terhadap fixture, gunakan harness seperti Promptfoo.

  • Lalu lintas protokol Agent-to-Agent atau A2A

    Untuk A2A, gunakan Debugger A2A Apidog yang terpisah.

  • Validasi server MCP secara terpisah

    Jika ingin menguji satu alat atau resource server MCP tanpa loop agen, gunakan alur pengujian server MCP Apidog.

Cara mengaktifkannya

Ikuti langkah berikut untuk mulai menjalankan agen pertama Anda:

  1. Perbarui Apidog ke versi terbaru.
  2. Buka Apidog.
  3. Klik AI Agent Debugger di bilah tab atas.
  4. Pilih penyedia model.
  5. Pilih model.
  6. Konfirmasikan URL Dasar.
  7. Jika memakai endpoint kustom, ganti URL Dasar sesuai endpoint Anda.
  8. Tempel kunci API.
  9. Buka utas kosong.
  10. Klik Jalankan untuk mengonfirmasi koneksi.

Contoh prompt uji sederhana:

Jelaskan secara singkat status koneksi model ini.
Enter fullscreen mode Exit fullscreen mode

Jika koneksi berhasil, Anda dapat mulai menambahkan server MCP, menjalankan skenario agen, lalu memeriksa setiap langkah di panel Jejak.

Tidak diperlukan konfigurasi tingkat proyek. Debugger berjalan di ruang kerjanya sendiri.

Apa yang tetap sama

Mengaktifkan atau menggunakan Debugger Agen AI tidak mengubah proyek Apidog Anda yang sudah ada.

Yang tetap sama:

  • Proyek Apidog, definisi API, dan suite pengujian yang sudah ada tidak terpengaruh.
  • Alur pengujian server MCP dan Debugger A2A tetap berjalan secara paralel.
  • Debugging endpoint API, server mock, dan pengeditan OpenAPI tidak berubah.
  • Penagihan dan tingkatan paket tidak berubah.
  • Debugger Agen AI tidak mengonsumsi kredit baru.

Anda tetap membayar panggilan API model dasar sesuai tagihan akun OpenAI atau Anthropic Anda. Apidog tidak membebankan biaya tambahan untuk penggunaan Debugger Agen AI.

Untuk admin Tim dan Perusahaan

Jika Anda mengelola tim, perhatikan hal berikut:

  • Debugger Agen AI diaktifkan per pengguna.
  • Setiap anggota menggunakan kunci API penyedia mereka sendiri.
  • Kunci API yang dimasukkan ke debugger disimpan secara lokal di klien setiap pengguna.
  • Kunci API tersebut tidak dikirimkan ke server Apidog.
  • Pemilik ruang kerja dapat mengelola endpoint server MCP bersama secara terpusat melalui variabel lingkungan Apidog standar.
  • Kontrol audit dan akses untuk server MCP mengikuti model autentikasi server MCP itu sendiri, seperti header atau OAuth 2.0.

Praktik yang disarankan:

  1. Gunakan kunci API terpisah untuk debugging.
  2. Batasi akses kunci API sesuai kebutuhan pengguna.
  3. Simpan konfigurasi endpoint bersama melalui variabel lingkungan Apidog jika digunakan oleh banyak anggota.
  4. Gunakan autentikasi server MCP untuk mengontrol akses alat dan resource.

Keterbatasan yang diketahui

Beberapa batasan saat ini:

  • Perluasan penyedia di luar OpenAI dan Anthropic masih dalam rencana pengembangan.
  • Untuk sementara, gunakan penggantian URL Dasar jika penyedia Anda kompatibel dengan OpenAI.
  • Berbagi jejak masih bersifat lokal.
  • Untuk membagikan jejak, salin JSON dari tampilan Mentah atau ambil tangkapan layar panel.
  • Estimasi biaya adalah perkiraan lokal berdasarkan harga model yang dipublikasikan.
  • Untuk penagihan final, gunakan dasbor penggunaan dari penyedia model Anda.

Ringkasan alur kerja

Gunakan Debugger Agen AI saat Anda perlu melihat apa yang sebenarnya terjadi di dalam satu eksekusi agen.

Alur kerja dasar:

  1. Pilih penyedia model.
  2. Masukkan kunci API.
  3. Hubungkan server MCP jika diperlukan.
  4. Jalankan prompt atau skenario agen.
  5. Buka panel Jejak.
  6. Periksa panggilan model, pemanggilan alat, respons MCP, token, dan estimasi biaya.
  7. Simpan konfigurasi sebagai keterampilan jika skenario perlu dijalankan ulang.

Top comments (0)