---
id: HARNESS-RES-2026-05-015
title: Langfuse
category: "10_Wiki/Topics/Observability"
status: verified
confidence_score: 0.95
tags: [harness, llmops, observability, trace, evaluation, prompt-management]
created_at: 2026-05-05
updated_at: 2026-05-08
---

# Langfuse

## 📌 한 줄 통찰 (The Karpathy Summary)
> "LLMOps의 블랙박스를 여는 열쇠: 오픈소스 기반으로 에이전트의 모든 실행 단계를 추적(Trace)하고, 프롬프트 관리와 평가 파이프라인을 단일 인터페이스에서 통합 제공하는 가시성 플랫폼."

## 📖 구조화된 지식 (Synthesized Content)
*   **핵심 가시성 및 추적 (Observability):** 스팬(Span) 수준에서 LLM 호출을 추적하여 모델 호출을 프롬프트, 입출력 데이터와 연결한다 [5]. 에이전트 실행 후 발생한 이벤트를 기록하고 분석하며, 데이터 레지던시가 중요한 환경에서 클라우드 대안보다 선호된다 [2, 4].
*   **프롬프트 및 평가 관리:** 내장된 관리 기능을 통해 프롬프트 버전을 추적하고, 평가 점수를 특정 버전과 직접 매핑한다 [5]. 사전에 정의된 기준에 따라 모델의 출력물을 채점하는 자동 평가 파이프라인을 지원한다 [5].
*   **자체 호스팅 및 보안:** MIT 라이선스 기반의 자체 호스팅(Self-hosted)을 지원하여 조직의 보안 경계 내에 가시성 데이터를 안전하게 보관할 수 있으며, 팀 간 협업 워크플로우를 제공한다 [3, 5, 6].

## ⚖️ 트레이드오프 및 고려사항
*   **성능 오버헤드:** 에이전트 파이프라인에 통합 시 약 15%의 성능 오버헤드가 발생할 수 있다 [1, 5]. 또한 자체 호스팅의 경우 구축 및 유지보수를 위한 운영 부담이 수반된다 [5].
*   **입력 데이터 품질 검증의 부재:** Langfuse는 '사후(Post-hoc)' 관찰 도구이므로, 에이전트가 읽어 들인 컨텍스트(입력 데이터) 자체의 최신성이나 스키마 표류 여부를 검증하지 못한다 [3, 4]. 불량 데이터를 기반으로 생성된 출력에 대해서도 긍정적 평가가 내려질 수 있는 '오도(Misleading)'의 위험이 존재한다.

## 🔗 지식 연결 (Graph)
- **상위 개념**: [[LLMOps]], [[Observability]]
- **유사 개념**: [[LangSmith]]
- **관련 프로젝트**: [[ConnectAI]]

---
*Last updated: 2026-05-08*