Dashboard

● AO VIVO
Runs —
Goroutines —
Mem —
Pool —
ultima atualizacao —

Runs Recentes

Carregando...

Runs

Carregando...

Pool & Sessions

Browser Instances

Browsers vivos na VPS agora

Carregando...

Browser Sessions

Sessoes configuradas na aba Core do amagejumpy

Carregando...

Fingerprints

Fingerprints Cadastrados

Perfis de browser gerados pelo fingerprint-generator

Carregando...

Agents

Carregando...

Workflows

Carregando...

Skills

Carregando...

Carregando documentacao da API...

Health & Engine

Engine

Memoria

Runtime

Runs (lifetime)

Pool

Historico de Evictions

Ultimos 100 browsers despejados do pool

Carregando...

Config

Ponte Engine ↔ Convex

Probe autenticado em /engine/* — valida AMAGEJUMPY_CONVEX_URL + ENGINE_SERVICE_KEY sem expor valores

Carregando...

Envs do Convex (amagejumpy)

Setar no deployment Convex do amagejumpy (apps/app): npx convex env set NOME valor · conferir com npx convex env list

Carregando...

Envs do engine

Container = processo atual · .env do host = fonte de verdade editavel (via daemon jumpy-updater) · secrets mascarados e write-only · mudancas valem apos Aplicar (recreate)

Carregando...

X-Ray

—
sem conexao

Request (engine Go → OpenRouter)

step —
O JSON que saiu do nosso Go pro OpenRouter. Contem model, messages[] (system + task + ciclos de conversa com screenshots), tools[] (o que o LLM pode chamar), e config (temperature, max_tokens). Cada step dispara um desses. 
aguardando...

Response (OpenRouter → engine Go)

step —
A resposta do LLM. finish_reason = "tool_calls" (quer chamar tool) ou "stop" (terminou). choices[0].message tem o texto/tool_calls. usage tem tokens + custo. 
aguardando...

Historico (memoria viva do agent)

0 msgs
O array a.messages do Go crescendo. Cada step appenda a resposta do LLM + os resultados das tools. Isso e o que vai como messages[] no proximo request.

aguardando...

Tool calls (timeline)

0 calls
Sequencia do que o LLM pediu + resultado que o Go devolveu. Verde = done() final, vermelho = falhou, roxo = em execucao.

aguardando...

Browser (ultimo screenshot)

O JPEG atual do Chrome controlado. So aparece se o agent tiver browser + vision. Clique pra zoom.

aguardando...

Custo & Tokens

step —
Acumulado da run. Input = prompt + historico (caro e cresce). Cached = desconto do OpenRouter em prompt repetido. Reasoning = tokens do "pensamento" do modelo.
custo$0.00
input0
output0
reasoning0
cached0
api time0ms

Jumper Lab

Shadow A/B testing de modelos LLM pro jumper. Zero mensagens enviadas pro WhatsApp.