> ## Documentation Index > Fetch the complete documentation index at: https://docs.myrmagent.ai/llms.txt > Use this file to discover all available pages before exploring further. # 통계 > 분석, 성장 지표, 일일 활동 저널 및 AI 기반 일일 요약 요약을 위한 엔드포인트입니다. # 통계 API 에이전트 활동 분석, 성장 지표, 일일 작업 일지 및 AI 생성 일일 요약을 쿼리하기 위한 엔드포인트입니다. ## 데일리 저널 특정 날짜의 모든 상담원 활동에 대한 통합 보기를 검색합니다. ``` GET /api/v1/statistics/daily-journal?date=YYYY-MM-DD&agent_id=optional ``` ### 매개변수 | Parameter | Type | Required | Description | | ---------- | ------ | -------- | --------------------------- | | `date` | string | Yes | Date in `YYYY-MM-DD` format | | `agent_id` | string | No | Filter by specific agent ID | ### 응답 ```json theme={null} { "code": 0, "data": { "date": "2026-05-31", "overview": { "total_sessions": 5, "total_tokens": 42000, "total_cost": 0.35, "tool_call_count": 28, "approval_count": 2, "cron_run_count": 1, "kanban_event_count": 3, "sessions_by_source": { "web": 3, "telegram": 1, "api": 1 } }, "sessions": [ { "id": "abc-123", "title": "Code review session", "source": "web", "started_at": "2026-05-31T09:15:00Z", "total_tokens": 12000, "total_cost": 0.10 } ], "approvals": [], "cron_runs": [], "kanban_events": [], "timeline": [ { "type": "session", "time": "2026-05-31T09:15:00Z", "title": "Code review session", "detail": { "source": "web", "tokens": 12000 } } ] } } ``` ### 데이터 소스 저널은 추가 저장 공간 없이 6개의 기존 소스에서 데이터를 집계합니다. | Source | Data | | -------------------- | -------------------------------------------- | | Chat | Session metadata (title, source, timestamps) | | Message | Token counts and cost per session | | ApprovalRecord | Human approval events | | CronRunModel | Scheduled task executions | | KanbanTaskEventModel | Kanban board events | | EventLog | Tool call counts (file-based) | ### 오류 응답 | Code | Description | | ---- | ------------------------------------------ | | 400 | Invalid date format (must be `YYYY-MM-DD`) | | 400 | Missing `date` parameter | ## 일일 요약(AI 요약) 키워드 및 다음 날 제안을 포함하여 AI가 생성한 하루 활동의 자연어 요약을 받아보세요. 결과는 LLM 비용을 최소화하기 위해 SQLite에 캐시됩니다. ``` GET /api/v1/statistics/daily-wrap?date=YYYY-MM-DD ``` ### 매개변수 | Parameter | Type | Required | Description | | --------- | ------ | -------- | --------------------------- | | `date` | string | Yes | Date in `YYYY-MM-DD` format | ### 응답 ```json theme={null} { "code": 0, "data": { "date": "2026-06-27", "summary": "Productive day focused on code review and bug fixes. Completed 5 sessions across web and Telegram channels.", "keywords": ["code review", "bug fix", "telegram"], "suggestions": ["Continue the refactoring started in session #3", "Review pending approvals"], "generated_at": "2026-06-27T23:05:00Z", "cached": true } } ``` ### 재생성 캐시를 우회하여 새로운 AI 요약을 강제합니다. ``` POST /api/v1/statistics/daily-wrap/regenerate?date=YYYY-MM-DD ``` `cached: false`을 사용하여 GET 엔드포인트와 동일한 응답 구조를 반환합니다. ### 요구 사항 * 설정에서 **라이트 모델**을 구성해야 합니다(저비용 요약 생성에 사용됨). * 해당 날짜에 활동이 없으면 `summary: null`과 함께 `reason: "no_activity"`을 반환합니다. * Lite 모델이 구성되지 않은 경우 `summary: null`과 함께 `reason: "lite_model_not_configured"`를 반환합니다. ### 작동 방식 1. Daily Journal과 동일한 6개 소스(세션, 토큰, 승인, 크론 실행, 칸반 이벤트, 비용)에서 데이터를 집계합니다. 2. 구조화된 프롬프트를 구축하고 이를 구성된 Lite 모델로 보냅니다. 3. LLM 응답을 구문 분석합니다(JSON 및 일반 텍스트 대체 지원) 4. 전용 `daily_wrap_cache` SQLite 테이블에 결과를 캐시합니다(날짜당 한 행). ## 에이전트별 사용량 분석 개별 에이전트별로 토큰 소비 및 비용을 분류합니다. 7일 추세 스파크라인을 통해 어떤 에이전트가 가장 많은 리소스를 소비하는지 확인하세요. ``` GET /api/v1/statistics/usage/by-agent?days=7 ``` ### 매개변수 | Parameter | Type | Required | Description | | --------- | ------- | -------- | ------------------------------------------------------- | | `days` | integer | No | Number of days for sparkline data (default: 7, max: 30) | ### 응답 ```json theme={null} { "success": true, "data": { "agents": [ { "agentId": "builtin-general", "name": "General Assistant", "avatar": "icon:general", "totalTokens": 125000, "totalUsd": 1.25, "totalCalls": 42, "sessions": 15, "percentTokens": 65, "percentUsd": 72, "sparkline": [ { "date": "2026-06-03", "tokens": 18000, "usd": 0.18 }, { "date": "2026-06-04", "tokens": 22000, "usd": 0.22 } ] } ], "total_agents": 3, "grand_total_tokens": 192000, "grand_total_usd": 1.74 } } ``` ### 주요 기능 * 총 USD 비용을 기준으로 정렬된 결과(가장 높은 항목부터) * 백분율 분석은 총 소비에서 각 에이전트의 점유율을 보여줍니다. * 스파크라인 데이터를 사용하면 UI에서 7일간의 SVG 추세 시각화가 가능합니다. * 에이전트 레지스트리에서 에이전트 이름과 아바타를 자동으로 확인합니다. * 에이전트가 1개만 있는 경우 `AgentUsageCard` 구성 요소가 자동으로 숨겨집니다(비교 값 없음). ## 세션 실행 추적 타임라인 재생을 위해 구성된 세션(도구 호출, LLM 호출, 오류, 인간 피드백 이벤트 및 메모리 작업)에 대한 전체 실행 추적을 검색합니다. ``` GET /api/v1/statistics/session/{session_id}/trace ``` ### 응답 ```json theme={null} { "code": 0, "data": { "session_id": "sess-abc123", "metadata": { "user_id": "user-1", "agent_id": "builtin-general", "task_type": "chat", "trace_id": "trace-xyz" }, "outcome": "success", "start_time": 1720000000.0, "end_time": 1720000030.0, "duration_ms": 30000, "task_input": "Help me refactor this module", "output": "Done! I've refactored the module into 3 files.", "tool_calls": [ { "sequence": 1, "tool_call_id": "call_3f9ab21c", "message_id": "msg-88", "tool_name": "read_file", "start_time": 1720000002.0, "end_time": 1720000003.5, "duration_ms": 1500, "success": true, "error": null, "input_data": { "path": "/src/module.py" }, "output_summary": "Read 200 lines", "security_labels": [ { "decision": "ALLOW", "reason": "read-only path within workspace", "tainted": false, "ts": 1720000003.0 } ] } ], "llm_calls": [ { "sequence": 1, "start_time": 1720000001.0, "end_time": 1720000005.0, "model_name": "claude-sonnet-4-20250514", "prompt_preview": "[user] Help me refactor...", "message_count": 3, "duration_ms": 4000, "ttft_ms": 180, "prompt_tokens": 1200, "completion_tokens": 800, "total_tokens": 2000 } ], "errors": [], "human_feedback": [], "memory_events": [ { "id": "mem-1", "phase": "extraction", "status": "completed", "timestamp": 1720000028.0, "title": "Working Memory Extract", "summary": "Learned user prefers small focused modules", "target_kind": "memory", "target_id": "mem-target-1", "influence_count": 2 } ], "total_events": 12, "total_tokens": 2000 } } ``` ### 주요 기능 * **제로 스토리지 재생**: 추가 전용 이벤트 로그에서 요청 시 추적이 재구성됩니다. 추가 데이터베이스나 비디오 파일이 필요하지 않습니다. * **7가지 이벤트 유형**: tool\_start, tool\_end, llm\_call, human\_feedback, memory, error, message * **도구 호출 지시 혈통**: 모든 도구 호출은 고유 `tool_call_id`로 해당 지시와 연결됩니다. 동일한 이름의 동시 도구는 교차하지 않으며, 실제 LLM의 스트리밍 `tasks_steps` 이벤트는 id별로 동일한 혈통에 병합됩니다. * **단계별 보안 라벨**: `security_audit` 결정(허용 / 거부 / 위험 표시, 이유 및 타임스탬프 포함)은 `tool_call_id`로 정확한 도구 호출에 첨부됩니다. 일치하는 도구 호출이 없는 감사 결정은 조용히 유실되지 않고 경고를 기록합니다. * **정확한 성공/실패 의미**: 정상적으로 완료된 단계는 `success: true`입니다. 실패한 단계는 `error`를 유지하고 재생에서 빨간색으로 표시되며, 실행 중 단계는 주황색입니다. * **프런트엔드 세션 리플레이 플레이어**: WebUI는 스크러버, 재생 속도 제어, 키보드 탐색 및 오류 점프 기능을 갖춘 3개 창 대화형 플레이어(Chat View / Mind View / Inspector)를 제공합니다. 도구 단계에는 보안 판결 배지가 표시됩니다(DENY/오염 분홍색, 허용 주황색). * **데이터 세트 내보내기**: 추적은 `dataset_export` 파이프라인을 통한 미세 조정을 위해 ShareGPT/Alpaca/OpenAI JSONL 형식으로 일괄 내보낼 수 있습니다. ## 성장 통계 성장 대시보드 지표는 통합 **학습 여정** 페이지(`/journey`, 이전 `/growth` 자동 리디렉션)를 통해 제공되며 다음을 제공합니다. * 스킬 KPI 요약(전체, 성공률, 진화 횟수) * 스마트 절감 요약(캐싱 및 라우팅을 통한 비용 절감) * 84일 활동 히트맵 및 다차원 건강 레이더 차트 * 주간 추세 분석 및 AI 기반 일일 요약 요약 * 기술 수명주기 이벤트를 통한 진화 타임라인 * **지식 그래프** — 네임스페이스 필터링을 사용한 대화형 주장/증거 2D 강제 지향 시각화 * **스킬 사용 효율성 추세** — 시간 경과에 따른 스킬별 성공률, 평균 지속 시간 및 통화 빈도(일일 단위) ## 하네스 관찰 가능성 지표(Prometheus) Myrm 엔진은 심층 DevOps 및 SRE 모니터링을 위한 기본 Prometheus 원격 측정 지표를 공개합니다. 이러한 측정항목은 `/metrics` 엔드포인트에서 실행되며 운영 오버헤드가 전혀 발생하지 않습니다. ### 고급 상담원 지표 * `myrm_time_to_first_action_seconds`(히스토그램): 정확한 TTFA(Time-To-First-Action)를 캡처하여 사용자의 지시를 받은 후 에이전트가 첫 번째 도구를 호출할 때까지 정확한 시간을 계산합니다. * `myrm_policy_denial_total`(카운터): 보안 가드레일 및 경로 정책에 의해 에이전트 작업이 차단, 수정 또는 거부된 횟수를 추적합니다. * `myrm_tool_execution_total` & `myrm_tool_execution_failed_total`(카운터): 모든 개별 스킬에 대한 실행 결과를 모니터링하여 Grafana 대시보드에서 전체 "도구 효율성 비율"을 계산하기 위한 실시간 데이터를 제공합니다. ### 프로덕션 경고 규칙(클라우드 배포) 클라우드 호스팅 배포의 경우 Myrm에는 샌드박스 상태 및 안정성을 다루는 12개의 프로덕션 등급 Prometheus 알림 규칙이 제공됩니다. | Alert | Severity | Trigger | | -------------------------- | -------- | ------------------------------ | | ContainerPoolExhausted | Critical | Pool available = 0 for 5 min | | ContainerPoolLow | Warning | Pool available \< 2 for 10 min | | HealthCheckFailureRateHigh | Critical | Failure rate > 20% for 5 min | | ContainerCreationSlow | Warning | P99 creation > 10s for 5 min | | ContainerOOMKills | Critical | Any OOM kill detected | | HotPoolExhausted | Critical | Hot pool = 0 for 5 min | 각 경고에는 수정 단계를 위해 Enterprise Runbook에 연결되는 `runbook_url`이 포함되어 있습니다. ### 그라파나 대시보드 즉시 가져올 수 있는 Grafana 대시보드(`grafana-dashboard-sandbox.json`)는 컨테이너 풀 상태, 적중률, 상태 확인 성공률, 생성 대기 시간 및 핫 풀 가용성에 대한 실시간 시각화를 제공합니다. Grafana UI 또는 프로비저닝 디렉터리 마운트를 통해 가져옵니다. ### 샌드박스 시작 안정성(2026-08) 클라우드 샌드박스는 **2단계 볼륨 권한 초기화**(원샷 루트 컨테이너 + 기본 에이전트-서버)를 사용하므로 강화된 readonly-rootfs 사양에 따라 사용자별 영구 볼륨에 쓸 수 있습니다. 컨트롤 플레인은 샌드박스 ID를 반환하기 전에 **컨테이너가 실행될 때까지 기다립니다**. 심층 상태 확인은 일시적인 Docker API 간격을 재시도하여 "샌드박스가 생성되었지만 즉시 사라지는" 오류를 줄입니다. macOS 개발 호스트에서 비밀번호 없는 sudo를 사용할 수 없는 경우 핫 슬롯 바인드 마운트는 콜드 할당으로 대체됩니다(프로덕션 정직성 검사와 동일한 코드 경로). ### 스마트 활성화/비활성화 지표 수집은 배포 모드에 따라 자동으로 활성화되거나 비활성화됩니다. 로컬 및 데스크톱 배포는 오버헤드 없이 실행되는 반면, 클라우드 배포는 Prometheus 스크래핑을 위해 전체 `/metrics` 엔드포인트를 노출합니다. ## 에이전트 활성 SSOT A single aggregated endpoint that tells you whether your agent is busy, idle, or degraded — no need to poll multiple APIs. ``` GET /api/v1/health/liveness ``` ### 응답 ```json theme={null} { "state": "busy", "agents": { "activeCount": 2, "maxConcurrent": 3, "availableSlots": 1, "sessions": [ { "sessionId": "abc-123", "chatId": "chat-456", "agentType": "general", "elapsedSeconds": 12.5 } ] }, "channels": { "wechat": { "status": "connected" }, "telegram": { "status": "connected" } }, "memory": { "level": "NORMAL", "percent": 42.3 }, "uptimeSeconds": 3600.5 } ``` ### 상태 논리 | State | Condition | | ---------- | -------------------------------------------------------------------------------- | | `busy` | At least one agent session is actively running | | `degraded` | No active sessions, but a channel is disconnected or memory pressure is elevated | | `idle` | No active sessions, all channels healthy, memory normal | ### 사용 사례 * **전면 트레이/애완동물 표시기**: 이 끝점을 폴링하여 3가지 상태 아이콘을 표시합니다(회전 = 사용 중, 녹색 = 유휴, 황색 = 성능 저하) * **클라우드 모니터링**: `curl /api/v1/health/liveness | jq .state`은 Prometheus/Grafana 알림과 통합됩니다. * **다중 창 작업공간**: 설정을 열지 않고도 브라우저 탭 전체에 에이전트 가용성 표시 ### 주요 속성 * **순수한 읽기 전용 집계**: I/O 없음, 데이터베이스 쿼리 없음 — 모든 데이터는 인메모리 게이트웨이 상태에서 나옵니다. * **밀리초 미만의 응답 시간**: 빈번한 폴링(2\~5초마다)에 적합합니다. * **모든 배포 모드에서 작동**: 로컬 WebUI, Tauri 데스크톱 및 클라우드 호스팅