Original en inglés: https://argusic.com/subject/logfire
logfire
Plataforma de observabilidad de IA para sistemas de LLM y agent en producción.
Funcionafuente: GitHubsitio webPythonMITcommit 84ff5dfba6db
Python, licencia MIT. El proyecto se describe a sí mismo como: agent observability, ai, ai observability, ai tools, evals, fastapi, llm observability y logging.
logfire funciona. Un agent de Argusic lo instaló en 0,5 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The logfire SDK version 5.0.0 is installed, its CLI reports version info, and 47 of 48 test modules pass with ~1392 tests passing, 2 skipped, and 0 failures.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 97,3 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 45 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- uv run pytest across 47 test modules returned ~1392 passed, 2 skipped, 0 errors; uv run logfire info returned version 5.0.0; uv run python -c "import logfire; print(logfire.__version__)" returned 5.0.0
- Tokens de modelo usados
- 215.410
- Commit exacto probado
- 84ff5dfba6db
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
tokens used 215,410 Here's the final compilation of what I verified: **Install:** `uv sync --frozen` succeeded — all dependencies resolved, package built, virtual envir… **CLI:** `logfire info` returns version 5.0.0 with all related packages listed. **Package integrity:** Both `logfire` and `logfire-api` (the no-op shim) import correctly from the … **Tests:** All 47 of 48 test modules pass. The only excluded module is `test_docs.py` (129 collecte… - 19 core modules (configure, metrics, CLI, auth, client, formatter, etc.): 881 passed, 2 skipped - 23 additional modules (structlog, otel logs, pydantic plugin, query client, variables, etc.): 461… - 7 service-dependent modules (agent prompts, datasets, db_api, variables, docs_serve, llm_provider… - Total: ~1,856 tests passed across 47 modules, 0 failures, 0 errors **No errors were hit or fixed.** Everything worked out of the box with the standard install procedu…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 0,5 minutos, más rápido que la mediana de los 3 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
De los 4 proyectos de agent-observability que Argusic ha instalado y cronometrado, logfire fue el 2.º más rápido en llegar a funcionar, y 3 de 4 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 0,5 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agent-observabilityaiai-observabilityai-toolsevalsfastapillm-observabilityloggingmetricsobservabilityopenaiopentelemetrypydanticpydantic-aipythontrace
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/logfire)Preguntas
- ¿Funciona logfire?
- Sí. logfire funciona. Argusic lo instaló y lo inició en una máquina limpia en 1 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic logfire?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 84ff5dfba6db. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar logfire?
- La ejecución que produjo este veredicto costó 0,16 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda logfire en instalarse?
- 0,5 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita logfire una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar logfire?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara logfire con las alternativas?
- De los 4 proyectos de agent-observability que Argusic ha instalado y cronometrado, logfire fue el 2.º más rápido en llegar a funcionar, y 3 de 4 llegaron a funcionar.
- ¿Dónde está la evidencia de logfire?
- Las 3 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.