Pydantic-AI项目中实现自定义运行名称的日志追踪方案

在基于Pydantic-AI框架开发智能代理应用时，开发者经常需要通过日志系统追踪代理的运行情况。默认情况下，框架会使用代理名称作为日志记录中的运行标识，这在多任务场景下会导致日志视图难以区分不同参数的任务执行记录。

问题背景

当开发者使用Pydantic-AI的Agent执行多个任务时，日志服务（如Logfire）会将所有运行记录统一归类到代理名称下。这种设计虽然简单，但在实际业务场景中存在明显不足：

1. 无法直观区分不同参数配置的任务执行
2. 难以快速定位特定任务的运行日志
3. 缺乏对任务上下文的描述信息

解决方案

通过结合Python的上下文管理器和日志追踪工具，可以为每次代理运行创建具有描述性的独立日志记录。具体实现方式如下：

import logfire

async def execute_agent_task(agent, param):
    with logfire.span(f'Task execution with param={param}'):
        await agent.run(...)

技术实现原理

1. 上下文管理器：利用with语句创建临时的日志记录上下文
2. 日志跨度(Span)：在Logfire等APM系统中创建一个有明确起止时间的操作记录
3. 动态命名：通过f-string将任务参数动态注入到日志记录名称中

方案优势

1. 增强可观测性：每个任务执行都有独立的、包含上下文信息的日志记录
2. 保持关联性：子日志仍会与父代理保持关联，不影响原有的日志层级结构
3. 灵活定制：可根据业务需求自由定义日志名称模板
4. 无侵入性：不需要修改代理本身的配置或名称

最佳实践建议

1. 在日志名称中包含关键业务参数，但避免记录敏感信息
2. 保持命名一致性，便于后续日志分析和聚合
3. 对于复杂任务，可以采用多级span嵌套结构
4. 考虑将日志命名逻辑封装为装饰器或工具函数

这种方案不仅适用于Pydantic-AI项目，对于任何需要增强任务执行日志可观测性的Python异步应用都具有参考价值。