Langfuse と Phoenix の比較
言語モデルを使うアプリケーションの実行追跡と評価を行うOSS基盤を選びます。
基本情報の比較
| 基本情報の比較 | Langfuse | Phoenix |
|---|---|---|
| ライセンス | MIT | ソース公開型 |
| 言語 | TypeScript, Python | Python, TypeScript |
| 提供形態 | セルフホスト / マネージドクラウド | セルフホスト / ローカル実行 / マネージドクラウド |
| 成熟度 | 安定 | 安定 |
| スター | 33.9k | 11.2k |
| 直近7日間のスター増加数 | +344 ★ | +90 ★ |
| フォーク | 3.7k | 1.1k |
| オープンIssue | 858 | 918 |
| 最終コミット | 2026年8月28日 | 2026年8月28日 |
| 開発状況 | 活発 | 活発 |
それぞれの位置づけ
Langfuse
エージェントが実際に何をしたか——各呼び出し、ツール実行、コスト——を記録し、そのトレースを評価用データセットへ変換できます。マネージド版とDocker Composeでセルフホストする版が同一コードベースのため、どちらの方向にも移行コストが低いのが利点です。一部のエンタープライズ機能はMITのコア部分に含まれないため、必要な機能の提供範囲を事前に確認してください。
詳細を見る →Phoenix
OpenTelemetryベースのため、トレースが特定ベンダーに固定されず可搬です。デバッグ中のコードの隣でローカル実行できます。ライセンスはElastic 2.0で、社内利用には問題ありませんが、マネージドサービスとして提供する場合には制約があります。
詳細を見る →できること
Langfuse
- 関数単位でトレースを仕込む — OpenAI SDKの代わりにlangfuse.openaiをimportすると、OpenAIへの呼び出しがモデルパラメータ込みで記録されます。トレースの入れ子はREADMEのmain()とstory()のように@observe()を付けた関数ごとに作られるため、検索処理やエージェントの処理を残したい場合はその関数にも@observe()を付けます。
- プロンプトをコードの外で管理 — Prompt Managementでプロンプトを一元管理し、バージョンを追跡できます。サーバー側とクライアント側の両方でキャッシュが効くため、最新版を取得してもアプリのレイテンシは増えません。
- トレースを評価データセットへ — Datasetsでリリース前テスト用のベンチマークを作り、LLM-as-a-judge、コード評価器、手動ラベリング、ユーザーフィードバックで採点します。
- 失敗した出力をPlaygroundで再試行 — トレース画面で問題のある結果を見つけたら、そのままLLM Playgroundへ移動し、プロンプトやモデル設定を変えて試せます。
- 自社インフラでの運用 — ローカルはdocker compose up、本番はHelmチャートによるKubernetes構成が推奨で、AWS・Azure・GCP向けのTerraformテンプレートも用意されています。
Phoenix
- 計装の自動セットアップ —
npx @arizeai/phoenix-cli setup（Phoenix 導入済みならpx setup）がフレームワークと LLM プロバイダを検出し、対応する OpenInference の計装導入からトレース送信の設定までを行います。 - ローカル環境での起動 —
uvx arize-phoenix serveでインストールなしにプラットフォーム全体を起動でき、同じものを Docker Hub のイメージや Helm チャートとしてクラスタへ展開できます。 - 記録した呼び出しの再実行 — Playground では取得済みの LLM 呼び出しをプロンプトやモデル、パラメータを変えて再生でき、その変更はプロンプト管理側でバージョン管理とタグ付けの対象になります。
- 変更を実験として計測 —
arize-phoenix-evalsで応答品質と検索品質を評価し、バージョン付きデータセットに対する実験としてプロンプトや検索の変更を比較できます。 - コーディングエージェントからの照会 — Phoenix 内蔵のリモート MCP サーバーが
/mcpエンドポイントを提供し、Claude Code や Cursor からトレース・データセット・実験を直接読み出せます。