Lumen クイックスタート開発中

10 分で完了：インストール → LangGraph へ組み込み → 初回 Trace を確認 → Replay を実行 → 24 時間のコストを集計。

10 分全工程

3 行組み込みコード

0ビジネスロジックの変更

前提条件

Python 3.9+ · Lurus API Key（取得方法）· 既存の LangGraph/LangChain Agent プロジェクト（なければ下記の最小サンプルを利用）。

インストールと 3 行での LangGraph 組み込み

bash

pip install lumen-ai

python

from lumen_ai import LumenTracer, LumenCheckpointer
graph = workflow.compile(
    checkpointer=LumenCheckpointer(),   # 崩溃恢复
    callbacks=[LumenTracer()],           # 执行追踪 + 成本追踪
)

ビジネスロジックを変更する必要はなく、すべての LLM 呼び出し、ツール呼び出し、状態変更が Lumen バックエンドに記録されます。

最小の実行サンプルを動かす

python

from langgraph.graph import StateGraph, END
from lumen_ai import LumenTracer, LumenCheckpointer
from typing import TypedDict

class State(TypedDict):
    query: str
    result: str

def search(state: State) -> State:
    return {**state, "result": f"已处理: {state['query']}"}

wf = StateGraph(State)
wf.add_node("search", search)
wf.set_entry_point("search")
wf.add_edge("search", END)

graph = wf.compile(
    checkpointer=LumenCheckpointer(),
    callbacks=[LumenTracer()],
)

graph.invoke({"query": "什么是 WAL"})

Trace を確認する
コンソール（デフォルト http://localhost:7070）または Lurus コンソールの Lumen ページにアクセス：graph 実行ごとの完全なタイムライン、各ノードの入力/出力/所要時間、LLM 呼び出しの prompt/completion/Token 数を確認できます。
Replay を実行する
履歴の実行シーケンスから一度リプレイし、Token を消費しません（ローカルでのバグ再現、修正の検証、Prompt A/B に利用）：
python
```
from lumen_ai import Replay
Replay.from_run_id("run_abc123").play()
```
1
2

24 時間のコストを集計する

python

from lumen_ai import CostTracker

print(CostTracker.summary(hours=24))
# { total_tokens: 128_340, cost_rmb: 12.47, by_model: {...} }

Replay はコストがかからない

Replay は記録された実行シーケンスから再生し、LLM を再度呼び出すことはありません。そのためバグ再現、修正の検証、Prompt A/B のいずれもゼロ Token コストです。

次のステップ

Python SDK — LumenTracer / LumenCheckpointer / CostTracker 詳解 CLI ハンドブック — 主要コマンドと自動化スキャフォールドエコシステム連携 — Kova / LangGraph / OpenTelemetry との協調

Lumen クイックスタート 開発中 ​

次のステップ ​

次のステップ

関連プロダクト

よく一緒に使う

これらのプロダクトから参照

Lumen クイックスタート開発中

次のステップ