본문으로 건너뛰기

Payload Scrubbing

Trace learning은 payload scrubbing에서 시작합니다. learning loop는 compact 실행 evidence를 저장할 수 있지만, raw API payload나 runtime credential을 저장하면 안 됩니다.

attempt, suggestion, runner metadata, product diagnostic을 저장하기 전에 항상 scrubbing을 적용합니다.

Public API​

from graph_tool_call.learning import scrub_trace_payload

safe_payload = scrub_trace_payload(raw_payload)

이 helper는 dictionary, list, tuple, string을 재귀적으로 순회합니다. 민감해 보이는 값은 redact하고 긴 string은 truncate합니다.

제거할 값​

Pattern예시
Secret-looking keysauthorization, cookie, token, api_key, secret, password, session
User id keysuser_id, x-user-id
Raw payload keysbody, request_body, response_body, raw, payload, output, result
Bearer tokenBearer eyJ...
JWT-like valueeyJ...abc.def...
Long hex secret32자 이상의 API key 또는 hash
Email valueperson@example.com
Phone-like value공백이나 dash가 포함된 긴 숫자열

예시​

from graph_tool_call.learning import scrub_trace_payload

raw = {
    "headers": {
        "Authorization": "Bearer secret-token",
        "X-Trace-ID": "trace-001",
    },
    "response_body": {"customerEmail": "person@example.com"},
    "selected_target": "getCustomerDetail",
}

safe = scrub_trace_payload(raw)

safe는 debugging에 필요한 shape는 유지하면서 저장하면 안 되는 값을 redact합니다.

저장 정책​

저장할 수 있는 값:

  • collection id
  • attempt id
  • query family와 fingerprint
  • selected target과 LLM target
  • plan tool 이름
  • 안정적인 failure reason
  • latency
  • selector signal
  • scrub된 trace edge evidence

저장하지 않을 값:

  • raw request body
  • raw response body
  • auth header value
  • cookie value
  • API key
  • session token
  • hash되지 않은 user identifier
  • payload 내부의 개인값

Adapter Guidance​

Adapter는 log나 JSONB metadata에 쓰기 전에 scrub해야 합니다. product가 감사 목적으로 full request/response body를 보관해야 한다면 graph-tool-call artifact나 learning suggestion이 아니라 별도의 보안 audit system에 저장합니다.

관련 문서​