AI Agent Debugger adalah alat debugging visual untuk pengembang AI Agent.Berbeda dengan pendekatan debugging yang hanya berfokus pada input dan output model, AI Agent Debugger memperluas cakupan debugging ke seluruh proses eksekusi Agent. Alat ini menampilkan dengan jelas setiap putaran dialog, setiap panggilan model, panggilan alat MCP, eksekusi Skill kustom, dan output akhir, sehingga membantu pengembang mengamati rantai operasional Agent serta dengan cepat menemukan masalah pada prompt, konfigurasi model, panggilan alat, atau logika bisnis.AI Agent Debugger dapat diterapkan pada skenario berikut:Melakukan debugging pada rantai panggilan alat model besar AI, memecahkan masalah parameter alat, hasil eksekusi, atau penyebab pengecualian
Membandingkan performa berbagai model dalam menjalankan tugas yang sama, mengevaluasi metrik utama seperti waktu respons, konsumsi Token, dan biaya
Memverifikasi apakah integrasi MCP Server dengan model besar AI memenuhi ekspektasi
Mengoptimalkan prompt sistem secara iteratif dan mengamati dampak berbagai konfigurasi terhadap hasil eksekusi
Disarankan untuk menggunakan klien Apidog terbaru agar dapat menikmati fungsionalitas penuh AI Agent Debugger.
Membuat Sesi Debug Agent Baru#
Buka AI Agent Debugger dari bilah tab atas di Apidog.Bagian atas halaman digunakan untuk mengonfigurasi model dan status eksekusi:Pilih penyedia model di sebelah kiri, seperti OpenAI atau Anthropic.
Pilih model di bagian tengah, seperti gpt-5.5
Setelah memilih penyedia dan model, Base URL yang sesuai akan dicocokkan secara otomatis, seperti https://api.openai.com/v1, tanpa perlu memasukkannya secara manual
Klik Run untuk memulai debugging
Mengonfigurasi Prompt#
Konfigurasikan konten input Agent di tab Prompts.Halaman ini dibagi menjadi dua area input:System Prompt: Digunakan untuk mendefinisikan peran, tujuan, batasan, dan aturan penggunaan alat Agent, yang termasuk dalam konfigurasi Agent
User Prompt: Digunakan untuk mengisi input pengujian untuk sesi ini, seperti "What's Apidog?"
Mengonfigurasi Alat#
Di tab Tools, Anda dapat memilih alat yang tersedia untuk dipanggil oleh Agent selama runtime. Angka pada tab menunjukkan jumlah alat yang saat ini tersedia atau telah dikonfigurasi.Alat dibagi menjadi dua kategori:Alat Bawaan#
AI Agent Debugger menyediakan alat bawaan yang umum digunakan agar model besar AI dapat membaca file, mencari konten, menjalankan perintah, atau mengambil konten web.| Alat | Deskripsi |
|---|
bash | Menjalankan perintah dalam sesi Shell persisten |
web_fetch | Mengambil konten web dan mengonversinya menjadi Markdown, teks, atau HTML |
read | Membaca file teks, gambar, atau PDF |
edit | Melakukan penggantian string secara presisi pada file |
write | Membuat atau menimpa file |
grep | Mencari konten file menggunakan ekspresi reguler |
glob | Menemukan file menggunakan pola glob |
kill_shell | Mereset sesi Shell saat ini |
Anda dapat mengaktifkan atau menonaktifkan masing-masing alat sesuai kebutuhan. Ketika dinonaktifkan, Agent tidak akan dapat memanggil alat tersebut selama runtime.Alat MCP#
Jika Anda memerlukan Agent untuk memanggil sistem eksternal atau kapabilitas kustom, Anda dapat menambahkan MCP Server di tab Tools.AI Agent Debugger mendukung metode koneksi MCP berikut:STDIO: Meluncurkan proses MCP Server lokal
HTTP: Terhubung ke MCP Server yang mendukung Streamable HTTP
SSE: Terhubung ke MCP Server berbasis Server-Sent Events
Mengonfigurasi Skills#
Di tab Skills, Anda dapat mengonfigurasi Skills yang dapat digunakan kembali untuk Agent. Angka pada tab menunjukkan jumlah skill yang saat ini dimuat.Skills dapat diterapkan pada skenario berikut:Menyediakan alur kerja tetap dalam sebuah proyek untuk Agent
Menggunakan kembali spesifikasi operasi untuk tugas umum
Mengurangi deskripsi teks panjang yang berulang dalam prompt sistem
Mengonfigurasi Autentikasi dan Parameter Model#
Konfigurasikan informasi autentikasi yang diperlukan oleh layanan model atau layanan MCP di tab Authentication.Di tab Settings, Anda dapat mengonfigurasi parameter runtime model, seperti Temperature, Max Tokens, Top P, dan sebagainya. Penyedia model yang berbeda mungkin mendukung parameter yang berbeda; silakan merujuk pada parameter yang benar-benar didukung oleh penyedia model Anda.Melihat Daftar Sesi#
Setiap kali Anda mengklik Run, catatan sesi baru akan dibuat di sebelah kiri.Daftar sesi menampilkan informasi ringkasan untuk eksekusi tersebut, seperti:Session 3
1 turn · 1 step · 10s · 3.1k tokens · $0.02
gpt-5.5
Melihat Turns#
Panel Turns di bagian tengah digunakan untuk menampilkan dialog multi-putaran dalam sesi saat ini.Ketika sebuah sesi berisi beberapa input pengguna, setiap putaran akan ditampilkan sebagai putaran dialog independen. Setelah mengklik satu putaran dialog, Anda dapat melihat proses panggilan yang sesuai di sebelah kanan.Melihat Traces#
Panel Traces di sebelah kanan digunakan untuk menampilkan seluruh proses eksekusi Agent.Jejak panggilan ditampilkan sesuai urutan eksekusi, yang menunjukkan:Prompt pengguna dan prompt sistem
Proses berpikir model (jika didukung oleh model)
Panggilan alat MCP dan eksekusi Skill kustom
Parameter input alat, hasil eksekusi, waktu yang digunakan, dan pesan kesalahan
Output akhir model besar AI
Apakah jumlah langkah eksekusi berbeda untuk tugas yang sama pada model yang berbeda
Model mana yang dapat memilih alat dengan lebih akurat
Model mana yang memiliki waktu respons lebih rendah
Model mana yang memiliki konsumsi Token dan biaya yang lebih dapat dikendalikan
FAQ#
Agent tidak memanggil alat yang diharapkan, bagaimana cara memecahkan masalahnya?#
Harap periksa konfigurasi berikut:1.
Apakah alat telah diaktifkan di tab Tools.
2.
Apakah prompt sistem menjelaskan skenario penggunaan alat dengan jelas.
3.
Apakah MCP Server berhasil terhubung dan alat target tidak dinonaktifkan.
4.
Apakah terdapat proses berpikir model atau catatan panggilan alat dalam jejak panggilan.
5.
Apakah model besar AI yang saat ini digunakan mendukung panggilan alat.
Apa yang harus dilakukan ketika panggilan alat MCP gagal?#
Anda dapat melihat panggilan alat yang gagal dalam jejak panggilan, dengan fokus memeriksa parameter input, hasil output, dan pesan kesalahan. Penyebab umum meliputi:MCP Server tidak terhubung atau koneksi terputus
Format parameter tidak memenuhi persyaratan alat
Konfigurasi autentikasi OAuth, API Key, atau Header tidak benar
Perintah startup layanan STDIO lokal tidak tersedia
Apa yang dapat dievaluasi dengan menjalankan tugas yang sama beberapa kali?#
Agent adalah sistem non-deterministik. Prompt yang sama dapat menghasilkan jalur eksekusi yang berbeda pada model yang berbeda, parameter yang berbeda, atau konfigurasi alat yang berbeda. Disarankan untuk mengamati langkah eksekusi, hasil panggilan, waktu yang digunakan, konsumsi Token, dan output akhir melalui beberapa eksekusi serta perbandingan sesi, sehingga dapat mengevaluasi konfigurasi yang lebih sesuai. 