Erste Schritte

Integriere Execlave in mein Projekt mit dem JavaScript/TypeScript-SDK. Folgendes ist zu tun: 1. SDK installieren:   npm install @execlave/sdk 2. Diese Umgebungsvariable in meine .env-Datei eintragen:   EXECLAVE_API_KEY=<mein-api-schlüssel> 3. Eine Datei namens "execlave.ts" (oder .js) im lib/- oder utils/-Ordner meines Projekts anlegen und diesen Initialisierungscode einfügen: import { Execlave, AgentPausedError, PolicyBlockedError } from '@execlave/sdk'; export const ag = new Execlave({  apiKey: process.env.EXECLAVE_API_KEY!,  baseUrl: process.env.EXECLAVE_BASE_URL || 'https://api.execlave.com',  environment: process.env.NODE_ENV || 'development',  debug: process.env.NODE_ENV !== 'production',}); // Agenten beim Start registrieren (idempotent — mehrfacher Aufruf ist sicher)export async function initAgent() {  return ag.registerAgent({    agentId: 'my-agent',    name: 'My AI Agent',    type: 'chatbot',    platform: 'custom',  });} // Beliebigen LLM-Aufruf mit automatischem Tracing umhüllenexport function traceCall<T>(fn: (input: string) => Promise<T>, agentId = 'my-agent') {  return ag.wrap(fn, { agentId });} // Fehlertypen für catch-Blöcke exportierenexport { AgentPausedError, PolicyBlockedError }; 4. Im Haupt-Einstiegspunkt der Anwendung (z. B. index.ts, app.ts oder server.ts) initAgent() aufrufen: import { initAgent } from './lib/execlave';await initAgent(); 5. LLM-Aufrufe SOWOHL mit vorgelagerter Richtlinienprüfung ALS AUCH mit Tracing umhüllen. Der Aufruf enforcePolicy() läuft synchron und MUSS vor dem LLM-Aufruf erfolgen — er wirft PolicyBlockedError, wenn eine Richtlinie im Blockiermodus ausgelöst wird (z. B. Prompt-Injection). import { ag, AgentPausedError, PolicyBlockedError } from './lib/execlave'; async function handleUserMessage(userMessage: string) {  const trace = ag.startTrace({ agentId: 'my-agent' });  trace.setInput(userMessage);   try {    // Vorgelagerte Richtlinienprüfung — MUSS vor dem LLM-Aufruf ausgeführt werden.    // Wirft PolicyBlockedError, wenn eine Richtlinie im Blockiermodus verletzt wird.    await ag.enforcePolicy({ agentId: 'my-agent', input: userMessage });     const response = await myLLM.call(userMessage);    trace.setOutput(response).setModel('gpt-4').finish();    return response;  } catch (error) {    if (error instanceof PolicyBlockedError) {      trace.setOutput('[BLOCKED BY POLICY]').finish('error', error.message);      // Entscheiden, was der Nutzer sieht — eine generische Ablehnung ist am sichersten:      return 'Ihre Eingabe wurde von unseren Inhaltsrichtlinien blockiert.';    }    if (error instanceof AgentPausedError) {      trace.finish('error', error.message);      return 'Dienst vorübergehend nicht verfügbar.';    }    trace.finish('error', String(error));    throw error;  }} 6. Graceful Shutdown hinzufügen, um den Prozessabbruch abzufangen: process.on('SIGTERM', async () => {  await ag.shutdown();  process.exit(0);}); Das SDK hat keine Laufzeitabhängigkeiten und erledigt automatisch:- Traces puffern und im Hintergrund gebündelt versenden- Kill-Switch respektieren (wirft AgentPausedError, wenn Agent pausiert ist)- Entscheidungen zur Richtliniendurchsetzung cachen (60 s TTL)- Circuit Breaker implementieren (3 Fehler → 60 s Backoff) WICHTIG: Tracing allein blockiert KEINE LLM-Aufrufe. Trace-Ingestion erzeugt Vorfälle im Nachhinein. Um Anfragen zu blockieren, bevor sie den LLM erreichen, MUSS ag.enforcePolicy() aufgerufen und PolicyBlockedError wie oben beschrieben behandelt werden.