Orchid, локальный прокси для записи и воспроизведения вызовов в AI‑агентских пайплайнах
Разработчик представил Orchid (Orchestration interactive debugger), инструмент для отладки AI-агентов. Он перехватывает и сохраняет каждый API- и LLM-вызов внутри агентского пайплайна. По сути это прокси, которому не нужна дополнительная инструментализация: после запуска можно локально просмотреть весь процесс работы агента и воспроизвести его шаг за шагом.
В Orchid есть визуальный инспектор и MCP server. Сессию можно изучать прямо в интерфейсе или открыть ее в предпочитаемой agentic coding IDE, чтобы разобрать и отладить выполнение агента. При этом инструмент не требует облачной инфраструктуры и не привязывает пользователя к какому-то конкретному поставщику.
Автор объясняет появление проекта довольно практичной причиной. Разбирать сбои агентов через поиск по логам оказалось неудобно, а существующие AI observability-решения часто требуют навязчивой инструментализации или отправки промптов и ответов в облачные сервисы. Orchid предлагает другой подход: исследовать выполнение агента локально и не сталкиваться с vendor lock-in и вопросами приватности данных.
Одна из ключевых особенностей проекта связана с воспроизведением запусков. Этот механизм делает тестирование LLM-пайплайнов детерминированным, без мокирования и без повторного выполнения дорогостоящих API-вызовов. Инструмент распространяется бесплатно, поддерживает self-hosted формат и может работать на собственной машине или в инфраструктуре пользователя, пишет Hacker News.
Ключевые факты
Orchid, zero‑instrumentation proxy, который перехватывает каждый API и LLM вызов в пайплайне агента и позволяет пошагово просматривать и воспроизводить весь запуск локально.
Инструмент предоставляет визуальный инспектор и MCP server, что позволяет анализировать сессии напрямую или через agentic coding IDE.
Функция replay делает тестирование LLM‑пайплайнов детерминированным без моков и без повторных дорогих API‑вызовов.
Orchid распространяется бесплатно, self‑hosted и может работать на локальной машине или в собственной инфраструктуре.