AI ఏజెంట్ ట్రాఫిక్ విశ్లేషణలు

మీ app మరియు API కోసం AI agent traffic analytics

ప్రతి classification కనిపించే evidence తో మద్దతు పొందుతూ, people, AI-assisted users మరియు autonomous agents మీ application ను route by route ఎలా ఉపయోగిస్తున్నారో అర్థం చేసుకోండి.

తొందరగా యాక్సెస్ పొందండి ఇది ఎలా పనిచేస్తుందో అన్వేషించండి

రచన Toshendra SharmaFounder & CEO, AgentCredia · Updated November 13, 2026

మీ dashboards మారిపోయిన ప్రపంచాన్ని లెక్కిస్తున్నాయి

చాలా analytics stacks ఒకే ప్రశ్నకు సమాధానం ఇవ్వడానికి నిర్మించబడ్డాయి: నా site లో people ఏమి చేస్తున్నారు? Sessions, page views, funnels మరియు campaigns అన్నీ ప్రతి interaction వెనుక ఒక person ఉన్నారని ఊహిస్తాయి.

ఆ ఊహ ఇక ప్రతి interaction కు వర్తించదు. AI assistants users behalf లో pages తెరుస్తాయి; ఉదాహరణకు, ఒక user ChatGPT కి ప్రశ్న అడిగినప్పుడు pages ను visit చేసే ChatGPT-User agent ను OpenAI document చేస్తుంది (OpenAI crawler documentation). Autonomous agents పనులను పూర్తి చేయడానికి APIs మరియు MCP tools ను call చేస్తాయి. People అదే session లో AI తో కలిసి పని చేస్తారు, కొన్నిసార్లు దాన్ని declare చేస్తారు, కొన్నిసార్లు చేయరు. Crawlers మరియు scripts చేరగలిగిన ప్రతిదాన్ని చదవడం కొనసాగిస్తాయి.

ఫలితంగా, మీ team ఆధారపడే numbers లో నిశ్శబ్దమైన వక్రీకరణ ఏర్పడుతుంది. Conversion rates ఎవరికీ వివరించలేని కారణాల వల్ల మారుతాయి. ఒక popular API route కొన్ని automated clients చేత నడపబడుతోందని తేలుతుంది. marketing win లా కనిపించిన spike వాస్తవానికి agents documentation చదవడం అయి ఉంటుంది. actor context లేకుండా, ప్రతి chart చాలా భిన్నమైన behaviors ను ఒకే line లో కలిపేస్తుంది. కొన్ని tools మీరు చూడకముందే picture లో కొంత భాగాన్ని తొలగిస్తాయి: Google చెప్పిన ప్రకారం Google Analytics known bots మరియు spiders నుంచి వచ్చే traffic ను automatically exclude చేస్తుంది, మరియు ఎంత exclude అయిందో మీరు చూడలేరు (Google Analytics: known bot-traffic exclusion).

AI agent traffic analytics ప్రతి interaction కు కొత్త dimension ను జోడించి దీనిని సరిచేస్తుంది: ఎవరు లేదా ఏమి act చేస్తున్నాయి, మరియు మీరు ఎంత నమ్మకంగా ఉండగలరు. how to tell if website traffic comes from AI agents పై blog post ఆ dimension వెనుక ఉన్న signals ను కవర్ చేస్తుంది, మరియు websites use case దాన్ని production site కు ఎలా వర్తింపజేస్తారో చూపిస్తుంది.

actor-aware analytics మీకు ఏమి చూపిస్తుంది

Proof of Actor మీ traffic ను నాలుగు classes గా organize చేస్తుంది, Human, AI-assisted or agent: a taxonomy for app traffic లో వివరించినట్లుగా, మరియు ప్రతి దానికి evidence ను జతగా ఉంచుతుంది.

Human: కనిపించే signals human direction ను సూచించే interactions.
Human + AI: AI assistance declare చేయబడిన లేదా supported integration ద్వారా observed అయిన interactions.
Agent: verifiable identity లేదా జాగ్రత్తగా qualified inference ద్వారా supported అయ్యే automated లేదా agent-origin interactions.
Unknown: evidence నమ్మదగిన determination ను support చేయని interactions.

ప్రతి result లో ఒక basis కూడా ఉంటుంది: verified, declared, inferred లేదా unknown. ఈ రెండవ dimension analytics ను నమ్మదగినదిగా చేస్తుంది. మీ API traffic లో మూడవ వంతు agents అని చెప్పే dashboard, ఆ results verified signatures ఆధారమా లేదా request patterns నుండి వచ్చిన inferences ఆధారమా అన్నదానిపై చాలా భిన్నమైన అర్థం ఇస్తుంది. Proof of Actor తో మీరు రెండింటినీ చూడవచ్చు, మరియు ఏదైనా ఆధారంగా filter చేయవచ్చు.

Route మరియు workflow ప్రకారం

Actor mix ఒక application అంతటా తీవ్రంగా మారుతుంది. Public documentation, pricing మరియు catalog pages తరచుగా agents మరియు assistants ను ఆకర్షిస్తాయి. Signup, checkout మరియు account settings లో agents తక్కువగా ఉంటారు, కానీ వారు కనిపించినప్పుడు అవి మరింత ముఖ్యమైనవి. API routes మరియు MCP tools automated clients చేత ఆధిపత్యం చేయబడవచ్చు. Proof of Actor ఫలితాలను route మరియు workflow ప్రకారం విభజిస్తుంది, కాబట్టి ప్రతి team తన own slice ను చూస్తుంది.

Time ప్రకారం

Trends మీ product ఏ దిశలో సాగుతోందో చెబుతాయి. ముఖ్యమైన routes లో agent మరియు AI-assisted activity share ఎలా మారుతుందో గమనించండి, ఒక కొత్త agent operator మీ content ను చదవడం ప్రారంభించినప్పుడు చూడండి, మరియు మరిన్ని clients తమ requests ను sign చేయడంతో Unknown నుండి verified కు traffic ఎంత మారుతుందో track చేయండి.

Explanations తో

Dashboard లోని ఏ number అయినా individual interactions వరకు తెరవచ్చు. ప్రతి దానికి మీరు class, basis, known ఏమిటి, unknown ఏమిటి, మరియు ఏ policy output వర్తించేదో చూస్తారు. ఇదే ఒక chart ను మీ product, platform మరియు security teams కలిసి చర్య తీసుకోగలిగే దానిగా మారుస్తుంది.

ఇది ఎలా పనిచేస్తుంది

Proof of Actor evidence-first path ను అనుసరిస్తుంది. పూర్తి వివరణను How It Works లో చదవవచ్చు.

మీ application ఒక request లేదా event ను స్వీకరిస్తుంది: page view, API call, MCP tool call లేదా in-app action.
మీ integration ఆ context లో అందుబాటులో ఉన్న signals ను సేకరిస్తుంది: server పై request context మరియు signatures, collector నడిచే చోట browser లో interaction signals, clients నుండి declarations మరియు మీ own application నుండి declarations.
Signals ను తనిఖీ చేసి, basis ద్వారా label చేసి, combined చేసి classification గా మారుస్తారు.
Result ను దాని basis మరియు evidence summary తో record చేసి మీ analytics లోకి ప్రవహింపజేస్తారు.
మీ application decides observe only చేయాలా లేదా policy ను apply చేయాలా.

Analytics మరియు decisions ఒకే results ను ఉపయోగిస్తున్నందున, మీరు అధ్యయనం చేసే numbers కు policyలు act చేసే numbers కు సరిగ్గా అదే. Dashboard ఏమి చెబుతుందో మరియు application ఏమి చేస్తుందో మధ్య gap లేదు.

Detect, Understand, Route

AI agent traffic analytics మూడు Proof of Actor capabilities మధ్యలో ఉంటుంది.

Detect

ప్రతి integration కు అందుబాటులో ఉన్న actor signals ను collect చేసి, verified assertions ను behavioral inferences నుండి separate చేయండి. Unknown తన own class గా visible గా ఉంటుంది, కాబట్టి coverage gaps మరొక number లో దాచబడవు.

Understand

ఇది analytics layer: actor breakdowns, interaction trends, route-level views మరియు explainable classifications. Teams దీన్ని ఏ routes పై agents ఆధారపడుతున్నారో, ఒక workflow ఎంత AI-assisted activity చూస్తోందో, మరియు policy ను support చేయడానికి evidence ఎక్కడ బలంగా ఉందో వంటి ప్రశ్నలకు సమాధానం ఇవ్వడానికి ఉపయోగిస్తాయి.

Route

Analytics ఒక clear pattern ను చూపినప్పుడు, మీ own rules తో దానిపై action తీసుకోండి. Verified agents కు వారు ఎక్కువగా చదివే content కు structured path ఇవ్వండి. Human-directed sessions కు standard experience ను ఉంచండి. Sensitive actions కు మీ own conditions justify చేసినప్పుడు మాత్రమే review ను జోడించండి. Unknown మరియు timeouts కోసం explicit fallbacks ను set చేయండి.

apps, APIs మరియు MCP servers కోసం నిర్మించబడింది

Agent activity machines స్వాగతించబడే చోట కేంద్రీకృతమవుతుంది: APIs, documentation, catalogs మరియు tools. అందుకే Proof of Actor page views కంటే ఎక్కువను cover చేస్తుంది.

SaaS apps and websites browser sessions మరియు వాటి వెనుక ఉన్న server routes కోసం actor context ను చూస్తాయి. మరింత తెలుసుకోండి SaaS Apps & Websites లో.
APIs signed client identity ను API credentials మరియు authorization నుండి వేరు చేసే request-level context ను పొందుతాయి. మరింత తెలుసుకోండి APIs లో.
MCP servers ప్రతి tool call కోసం actor context ను పొందుతాయి, కాబట్టి ఏ clients ఏ tools ను ఉపయోగిస్తున్నారో మీరు చూడగలరు. మరింత తెలుసుకోండి MCP Servers లో.

Founding teams మా engineers నుండి direct help తో integrate అవుతాయి. adding actor context to a Node.js app కు సంబంధించిన guide ఒక typical request handler లో integration ఎక్కడ ఉంటుందో చూపిస్తుంది.

Evidence volume కంటే ముఖ్యమైంది ఎందుకు

Agent traffic కోసం పెద్ద number ను తయారు చేయడం సులభం. Browser fingerprint లేకుండా ప్రతి request ను count చేసి దాన్ని automation అని పిలవండి. సమస్య ఏమిటంటే, అలాంటి number పై నిర్ణయం ఆధారపెట్టలేరు, ఎందుకంటే దాంట్లో ఎంత నిజమో ఎవరికీ తెలియదు.

Proof of Actor ప్రతి number ను defend చేయగలిగేలా నిర్మించబడింది. Verified results నిజంగా pass అయిన checks నుండి వస్తాయి. Declarations declarations గా label చేయబడతాయి. Inferences inferences గా label చేయబడతాయి. Unknown ను Unknown గా report చేస్తారు. మీరు మీ leadership, security team లేదా customers కు agent traffic ను present చేసినప్పుడు, ప్రతి figure ఎక్కడి నుంచి వచ్చిందో ఖచ్చితంగా వివరించగలరు.

ఇది కాలక్రమేణా analytics ను మరింత ఉపయోగకరంగా కూడా చేస్తుంది. Agent operators RFC 9421 HTTP Message Signatures ఆధారంగా signed requests ను adopt చేయడంతో, మరియు Web Bot Auth వంటి standards work IETF webbotauth working group లో ముందుకు సాగడంతో, మీ traffic లో మరింత భాగం verified basis లోకి మారుతుంది. మీరు వాటిని ఎలా చదువుతారో మార్చకుండా, మీ charts మరింత స్పష్టంగా మారతాయి.

ముందు observation తో ప్రారంభించండి, తరువాత నిర్ణయించండి

ప్రతి Proof of Actor deployment observation mode లో ప్రారంభమవుతుంది. Results record చేయబడతాయి, analytics నిండుతాయి, మరియు మీ application మునుపటిలాగే స్పందిస్తూనే ఉంటుంది. మీ team ఆ period ను baseline నిర్మించడానికి, ఇప్పటికే మీకు తెలిసిన outcomes తో results ను పోల్చడానికి, మరియు policy నిజంగా సహాయపడే మొదటి routes ను గుర్తించడానికి ఉపయోగిస్తుంది.

మీరు సిద్ధంగా ఉన్నప్పుడు, ఒక workflow కోసం policy ను enable చేసి, దాని ప్రభావాన్ని కొలిచి, అక్కడి నుంచి విస్తరించండి. Proof of Actor install అయినందుకు ఏదీ blocked కాదు. ప్రతి enforcement decision మీది.

founding developer program లో చేరండి

Proof of Actor private beta లో ఉంది. ఎంపికైన founding developer teams agreed usage limits లోపు up to 12 months free access ను, hands-on product feedback đổi‌గా, పొందవచ్చు. మీకు direct integration support, కొత్త capabilities కు early access, మరియు roadmap పై influence లభిస్తుంది.

మీ whole team నమ్మగలిగే AI agent traffic analytics కావాలంటే, apply for early access. మీ application, మీరు అత్యంత ముఖ్యంగా భావించే routes, మరియు మీ analytics సమాధానం ఇవ్వాలి అనుకునే questions గురించి మాకు చెప్పండి.

Proof of Actor ను explore చేయండి, how it works చూడండి, లేదా what the evidence can establish చదవండి.

Sources

Overview of OpenAI crawlers, OpenAI.
Known bot-traffic exclusion, Google Analytics Help.
RFC 9421: HTTP Message Signatures, IETF, February 2024.
Web Bot Auth (webbotauth) working group charter, IETF.

డెవలపర్ల కోసం

What your code receives

Every interaction resolves to one result record. Your application reads the class and the basis and applies its own policy.

Result record

{
  "route": "GET /api/v1/catalog",
  "class": "agent",
  "basis": "verified",
  "evidence": [
    { "signal": "http_message_signature", "result": "valid", "keyid": "assistant.example" },
    { "signal": "client_declaration", "value": "assistant.example" }
  ],
  "observed_at": "2026-11-13T10:42:07Z"
}

class: Human, Human + AI, Agent లేదా Unknown.
basis: evidence ఎంత బలంగా ఉందో: verified, declared, inferred లేదా unknown.
evidence: result వెనుక ఉన్న signals, అందువల్ల మీ team ఎందుకు అని చూడగలదు.

observation mode లో ప్రారంభించండి: results ను మీ logs పక్కనే నమోదు చేయండి మరియు మీరు ఒక policy ఎంచుకునే వరకు ఏమీ మార్చవద్దు. Node.js integration guide ను చదవండి

తరచుగా అడిగే ప్రశ్నలు

AI agent traffic analytics అంటే ఏమిటి?

ఇది మీ application's activity లో ఎంత భాగం people, people working with AI, autonomous agents మరియు unidentified sources నుండి వస్తుందో route, workflow మరియు time ప్రకారం విభజించి కొలిచే విధానం.

ఇది నా web analytics tool తో ఎలా భిన్నం?

Web analytics tools human visits మరియు campaigns ను లెక్కించడానికి రూపొందించబడ్డాయి. Proof of Actor ప్రతి interaction లో ఎవరు లేదా ఏమి act చేస్తున్నాయో classify చేస్తుంది, ఫలితానికి వెనుక ఉన్న evidence ను చూపిస్తుంది, మరియు pages తో పాటు APIs మరియు MCP servers ను కూడా కవర్ చేస్తుంది.

ఇది API మరియు MCP traffic ను కలుపుకుంటుందా?

అవును. Server-side మరియు MCP integrations actor context ను API calls మరియు tool calls కు తీసుకువస్తాయి, ఇది తరచుగా agent activity అత్యధికంగా ఉండే స్థలం.

సంఖ్యలు ఊహలపై ఆధారపడ్డవేనా?

ప్రతి classification దాని basis ను చెబుతుంది: verified, declared, inferred లేదా unknown. మీరు మీ analytics ను basis ప్రకారం filter చేయవచ్చు, అందువల్ల verified agent traffic మరియు inferred agent traffic ఎప్పుడూ కలిసిపోకుండా ఉంటాయి.

ఇది నా app ఎలా స్పందిస్తుందో మారుస్తుందా?

డిఫాల్ట్ గా కాదు. Analytics observation mode లో నడుస్తాయి. మీ team ఒక policy ను enable చేసినప్పుడు మాత్రమే మీ app ప్రవర్తన మారుతుంది.

నాకు access ఎలా లభిస్తుంది?

Early access కోసం apply చేయండి. ఎంపికైన founding developer teams agreed usage limits లోపు up to 12 months free access పొందవచ్చు.

మీ app ను ఎవరు ఉపయోగిస్తున్నారో తెలుసుకోండి.

founding developers యొక్క చిన్న group కోసం private beta.

తొందరగా యాక్సెస్ పొందండి ధరలను చూడండి

ముందుగా మాట్లాడాలనుకుంటున్నారా? foundersతో మాట్లాడండి