Add runtime controls
without re-platforming your stack
Start by governing the workflow you already run. KLA supports govern-in-place instrumentation for existing frameworks and a more managed run-through-KLA pattern when you want tighter operational control.
Télémétrie SDK-first
Govern existing frameworks with SDKs and OpenTelemetry.
Exécution API
Insert approval checkpoints and intercept risky actions at runtime.
Exportation de preuves
Generate execution lineage that trust and compliance teams can reuse later.
Deployment patterns
Technical evaluators need to know whether KLA forces a rewrite. It does not. Pick the control pattern that matches your stack and governance maturity.
Govern in place
Instrument the agents, APIs, and orchestration frameworks you already operate, then add checkpoints at the moments that matter.
- Best for existing LangChain, custom orchestration, and internal workflow stacks
- Low-friction path for platform teams avoiding re-platform fear
- KLA focuses on controls, approvals, and proof rather than replacing your app
Run through KLA
Route execution through a managed KLA surface when you want tighter standardisation and a faster path to controlled production.
- Best for greenfield governed workflows or fragmented estates
- Reduces local integration work when teams want one control surface
- Uses the same approval, policy, and lineage model as govern in place
Démarrer rapidement
De l'instrumentation zéro à l'exécution régie et l'exportation des preuves.
1. Installer une télémétrie SDK
Utilisez notre OpenTelemetry SDKs pour émettre automatiquement des travées GenAI. Choisissez votre temps d'exécution:
# Node.js pnpm add @kla-digital/otel-node # Python pip install kla-otel-python
Le SDK découvre automatiquement des cadres communs (Express, FastAPI, LangChain, OpenAI).
2. Point OTLP à KLA
Configurez votre exportateur d'OTLP pour envoyer des traces au collecteur de votre locataire. Vous obtiendrez le paramètre et le jeton API dans la console.
OTEL_SERVICE_NAME=claims-service OTEL_EXPORTER_OTLP_ENDPOINT=https://<your-collector-endpoint> KLA_TENANT_ID=<your-tenant-id> KLA_PII_MASK=true
Définir `KLA_PII_MASK` pour éviter les valeurs sensibles dans les traces par défaut.
3. Enregistrer un agent
Les agents sont déclarés comme manifestes. Créer un via l'exécution API:
curl -X POST https://api.kla.local/execution/v1/agents \
-H "Authorization: Bearer $KLA_TOKEN" \
-H "x-tenant-id: $KLA_TENANT_ID" \
-H "Content-Type: application/json" \
-d '{
"name": "claims-bot",
"description": "Triages inbound claims with human gates",
"model": "gpt-4o-mini",
"temperature": 0.2,
"tools": ["search_claims_db"]
}'La réponse comprend un `agentId` stable et un `manifestHash` immuable.
4. Lancer une exécution
Les exécutions sont durables workflows avec des budgets et des contrôles politiques.
curl -X POST https://api.kla.local/execution/v1/executions \
-H "Authorization: Bearer $KLA_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"agentId": "<agentId from step 3>",
"input": { "prompt": "Summarise today\u0027s high-risk claims." },
"budgets": { "maxSteps": 50, "maxTokens": 20000, "maxCostUsd": 5 },
"flags": { "euOnly": true }
}'Faites le suivi de WebSocket au `wss://api.kla.local/execution/ws`.
5. Preuves à l ' exportation (Annex IV, SOC 2)
Le CLI tire des registres d'audit infalsifiables et génère des paquets signés prêts pour les organismes de réglementation et les vérificateurs.
# Last 30 days as PDF kla export evidence --tenant $KLA_TENANT_ID --days 30 --format pdf # Filter by framework or controls kla export evidence --tenant $KLA_TENANT_ID --frameworks "SOC 2 Type II" --format csv
Officiel SDKs
OpenTelemetry avec conventions sémantiques GenAI.
Node.js
Auto-instrumentation Zero-config pour Express, tRPC, LangChain, OpenAI, et plus encore.
import '@kla-digital/otel-node';
Python
L'intergiciel FastAPI Drop-in et l'auto-instrumentation LangChain, avec masquage PII intégré et suivi des coûts.
import kla_otel_python