> ## Documentation Index > Fetch the complete documentation index at: https://wb-21fd5541-docs-hivemind-launch.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Calls 쿼리 및 내보내기 > Python SDK, REST API 또는 Weave UI를 사용해 Weave call 데이터를 필터링, 정렬하고 내보내 맞춤형 분석에 활용합니다. Weave UI에서는 데이터를 여러 형식으로 내보낼 수 있습니다. 또한 행을 프로그래밍 방식으로 내보낼 때 사용할 수 있는 Python 및 cURL 코드도 표시됩니다. Calls를 내보내려면 다음 단계를 따르세요. 1. [wandb.ai](https://wandb.ai/)로 이동한 다음 프로젝트를 선택합니다. 2. Weave 프로젝트 사이드바에서 **Traces**를 클릭합니다. 3. 내보내려는 여러 Calls의 행을 체크해 선택합니다. 4. **Traces** 테이블 툴바에서 내보내기/다운로드 버튼을 클릭합니다. 5. **Export** 모달에서 **Selected rows** 또는 **All rows**를 선택한 다음 Export를 클릭합니다. 내보낼 수 있도록 여러 Calls를 선택한 상태가 Export 모달에 표시된 Traces 페이지
## 프로그래밍 방식으로 call 조회하기
Python API를 사용해 call을 조회하려면 [`client.get_calls`](/ko/weave/reference/python-sdk/trace/weave_client#method-get_calls) 메서드를 사용할 수 있습니다. ```python lines theme={null} import weave # 클라이언트 초기화 client = weave.init("your-project-name") # call 조회 calls = client.get_calls(filter=...) ``` TypeScript API를 사용해 call을 조회하려면 [`client.getCalls`](/ko/weave/reference/typescript-sdk/classes/weaveclient#getcalls) 메서드를 사용할 수 있습니다. ```typescript lines theme={null} import * as weave from 'weave' // 클라이언트 초기화 const client = await weave.init('intro-example') // call 조회 const calls = await client.getCalls(filter=...) ``` 가장 강력한 쿼리 계층은 Service API에 있습니다. Service API를 사용해 call을 조회하려면 [`/calls/stream_query`](https://docs.wandb.ai/weave/reference/service-api/calls/calls-query-stream) 엔드포인트로 요청을 보낼 수 있습니다. ```bash theme={null} curl -L 'https://trace.wandb.ai/calls/stream_query' \ -H 'Content-Type: application/json' \ -H 'Accept: application/json' \ -d '{ "project_id": "string", "filter": { "op_names": [ "string" ], "input_refs": [ "string" ], "output_refs": [ "string" ], "parent_ids": [ "string" ], "trace_ids": [ "string" ], "call_ids": [ "string" ], "trace_roots_only": true, "wb_user_ids": [ "string" ], "wb_run_ids": [ "string" ] }, "limit": 100, "offset": 0, "sort_by": [ { "field": "string", "direction": "asc" } ], "query": { "$expr": {} }, "include_costs": true, "include_feedback": true, "columns": [ "string" ], "expand_columns": [ "string" ] }' ``` call 속성과 필드에 대한 전체 내용은 [Call 스키마 레퍼런스](/ko/weave/guides/tracking/call-schema-reference)를 참조하세요.
## Call 메트릭 내보내기
Weave Service API의 [POST `/calls/stats` 엔드포인트](https://docs.wandb.ai/weave/reference/service-api/calls/call-stats)를 사용하면 Call 데이터 자체를 조회하지 않고도 Calls에 대한 메트릭을 조회할 수 있습니다. 이를 통해 지연 시간이나 비용 같은 Calls 관련 정보를 빠르고 효율적으로 조회하고, 이를 합계, 평균, 최솟값, 최댓값, 개수 기준으로 집계할 수 있습니다. 예를 들어 다음을 조회할 수 있습니다: * 총 토큰 사용량 * 평균 지연 시간 * 사용된 최대 토큰 수 * 총 비용 * 최소 입력 토큰 수 이 엔드포인트는 지정된 기간 내에 발생한 Calls를 대상으로 하고, 다음과 같은 다른 속성을 기준으로 필터링할 수 있는 여러 옵션을 제공합니다: * Op 이름 * Trace ID * Thread ID * 사용자 ID 다음 예제는 `web_app`이라는 이름의 Op에서 생성된 Calls를 2일 동안 조회하는 방법을 보여줍니다: ```python Python lines {10-11,16-24} theme={null} import requests import json import os url = "https://trace.wandb.ai/calls/stats" payload = { "project_id": "", "start": "2026-03-01T00:00:00Z", # 버킷 크기를 초 단위로 지정합니다. "granularity": 86400, "filter": { "trace_roots_only": True, "op_names": ["web_app"] }, # 메트릭과 해당 집계 함수를 지정합니다. "usage_metrics": [ {"metric": "total_tokens", "aggregations": ["sum"]}, {"metric": "total_cost", "aggregations": ["sum"]} ], "call_metrics": [ {"metric": "call_count", "aggregations": ["sum"]}, {"metric": "error_count", "aggregations": ["sum"]}, {"metric": "latency_ms", "aggregations": ["avg", "min", "max"], "percentiles": [50, 95, 99]} ] } API_KEY = os.getenv("WANDB_API_KEY") response = requests.post(url, json=payload, auth=("api", API_KEY)) print(json.dumps(response.json(), indent=2)) ``` ```typescript TypeScript lines {6-7,13-20} theme={null} const url = "https://trace.wandb.ai/calls/stats"; const payload = { project_id: "", start: "2026-03-01T00:00:00Z", // 버킷 크기를 초 단위로 지정합니다. granularity: 86400, filter: { trace_roots_only: true, op_names: ["web_app"], }, // 메트릭과 해당 집계 함수를 지정합니다. usage_metrics: [ { metric: "total_tokens", aggregations: ["sum"] }, { metric: "total_cost", aggregations: ["sum"] }, ], call_metrics: [ { metric: "call_count", aggregations: ["sum"] }, { metric: "error_count", aggregations: ["sum"] }, { metric: "latency_ms", aggregations: ["avg", "min", "max"], percentiles: [50, 95, 99] }, ], }; const API_KEY = process.env.WANDB_API_KEY!; const response = await fetch(url, { method: "POST", headers: { "Content-Type": "application/json", Authorization: "Basic " + btoa(`api:${API_KEY}`), }, body: JSON.stringify(payload), }); const data = await response.json(); console.log(JSON.stringify(data, null, 2)); ``` 이 요청은 메트릭을 어떤 방식으로 집계할지도 지정합니다. 메트릭은 `sum`, `count`, `avg`, `min`, `max`, `count` 기준으로 집계할 수 있습니다. 이 엔드포인트는 JSON 객체를 반환합니다. 다음 응답 예제는 2일치 메트릭을 보여줍니다. 각 날짜(버킷)는 `usage_buckets` 및 `call_buckets` 배열에서 각각 별도의 객체로 나뉩니다. 각 배열은 메트릭을 서로 다른 방식으로 분류합니다: * `usage_buckets`: 사용된 모델을 기준으로 각 날짜의 Call 메트릭을 그룹화합니다. * `call_buckets`: 사용된 모델과 관계없이 각 날짜의 Call 메트릭을 그룹화합니다. 요청에서 granularity 필드(초 단위)를 설정해 버킷 크기를 변경합니다. ```json lines theme={null} { "start": "2026-03-03T00:00:00Z", "end": "2026-03-04T21:34:39.746539Z", "granularity": 86400, "timezone": "UTC", "usage_buckets": [ { "timestamp": "2026-03-03T00:00:00", "model": "gpt-4o-2024-08-06", "sum_total_tokens": 498.0, "sum_input_tokens": 219.0, "sum_output_tokens": 279.0, "count": 5, "sum_total_cost": 0.0033374999156876584 }, { "timestamp": "2026-03-03T00:00:00", "model": "gpt-5-2025-08-07", "sum_total_tokens": 0.0, "sum_input_tokens": 0.0, "sum_output_tokens": 0.0, "count": 0, "sum_total_cost": 0.0 }, { "timestamp": "2026-03-04T00:00:00", "model": "gpt-4o-2024-08-06", "sum_total_tokens": 58.0, "sum_input_tokens": 27.0, "sum_output_tokens": 31.0, "count": 1, "sum_total_cost": 0.0003774999904635479 }, { "timestamp": "2026-03-04T00:00:00", "model": "gpt-5-2025-08-07", "sum_total_tokens": 427.0, "sum_input_tokens": 26.0, "sum_output_tokens": 401.0, "count": 1, "sum_total_cost": 0.00404249989787786 } ], "call_buckets": [ { "timestamp": "2026-03-03T00:00:00", "sum_call_count": 6, "sum_error_count": 1, "avg_latency_ms": 1505.6666666666667, "min_latency_ms": 525, "max_latency_ms": 2524, "p50_latency_ms": 1534.0, "p95_latency_ms": 2328.5, "p99_latency_ms": 2484.9000000000005, "count": 6 }, { "timestamp": "2026-03-04T00:00:00", "sum_call_count": 2, "sum_error_count": 0, "avg_latency_ms": 3645.0, "min_latency_ms": 1739, "max_latency_ms": 5551, "p50_latency_ms": 3645.0, "p95_latency_ms": 5360.4, "p99_latency_ms": 5512.88, "count": 2 } ] } ``` 최대 31일 범위의 메트릭을 쿼리할 수 있습니다. 자세한 내용과 사용 가능한 옵션은 [Service API 레퍼런스](https://docs.wandb.ai/weave/reference/service-api/calls/call-stats)를 참조하세요.