RUMvision v2: releases markeren via annotations, pipeline binnen twee dagen live
RUMvision heeft zojuist v2 gelanceerd. En daar zaten we bij Elgentos, als klant van het eerste uur, met smart op te wachten. Niet vanwege een nieuwe kleurstelling of een opgepoetst dashboard, maar om één concrete reden: v2 komt met een API. En dat opent de deur naar het soort automatisering dat wij voor onze klanten al jaren standaard doen met onze andere monitoring tools.
En dan is er nog een extra reden waarom we deze lancering met wat extra trots volgen: RUMvision komt, net als wij, uit Groningen. Twee Groningse bedrijven die vanuit het noorden aan de performance van Nederlandse en internationale webshops werken. Groningse nuchterheid, Groningse techniek, en geen onzin. Het zijn dit soort kruisbestuivingen tussen lokale partijen die laten zien dat je voor wereldklasse-tooling niet per se naar Amsterdam, Berlijn of San Francisco hoeft te kijken. Stad en Ommeland, gewoon.
Waarom annotations het eerste zijn wat we aanpakken
Als je een Magento- of Hyvä-shop draait, wil je één ding niet: niet weten waar een performance-degradatie vandaan komt. Je grafiek zakt weg op een woensdagmiddag. Was dat een release? Een third-party script die stilletjes 200ms duurder werd? Een A/B-test die live ging?
Annotations lossen dat op door élke deploy als verticale lijn in je monitoring-timeline te zetten. Zie je op dinsdag om 14:32 dat je LCP omhoog schiet en er precies op dat tijdstip een release-marker staat? Dan weet je direct waar je moet kijken.
Onze andere monitoring stack, Tideways en Sentry, ondersteunde deze manier van werken al langer. De deployment pipeline van Elgentos stuurt bij elke release automatisch een annotation naar beide tools, met commit hash, environment en release-naam. RUMvision was de laatste schakel die we nog handmatig moesten correleren. Daar maken we nu een eind aan.
Pipeline binnen twee dagen live, rollout loopt
We waren voorbereid. Zodra v2 uitkwam hebben we het RUMvision-endpoint toegevoegd aan dezelfde pipeline-stap die Tideways en Sentry al aanroept. Eén klein stukje code, één secret in onze CI, en een rollout-plan dat we al tientallen keren hebben uitgevoerd.
Binnen twee dagen stond de CI/CD-integratie. Elke nieuwe release van een klant die daarna door de pipeline ging, stuurt automatisch een annotation naar RUMvision. Het uitrollen naar alle bestaande klantomgevingen doen we stap voor stap, in het reguliere release-ritme van elke shop. Geen aparte haast-deploys, geen ticket voor de klant, gewoon meeliften op de eerstvolgende release die er toch al aankomt.
Dat is precies waarom we zoveel waarde hechten aan een monitoring-stack die we als agency centraal beheren: één goede integratie, en alle klanten profiteren vanzelf mee zodra ze door de pipeline komen.
Wat je nu in de praktijk ziet
Correlatie in één oogopslag: zakt je Core Web Vitals-score, dan zie je direct of er een release vlak ervoor was.
Snellere rollbacks: wordt een degradatie bevestigd tegen een specifieke release, dan is de beslissing om terug te draaien triviaal.
Betere post-mortems: annotations geven ons een harde tijdlijn om op te bouwen, in plaats van een reconstructie achteraf.
Wat we hierna gaan bouwen
Annotations zijn stap één. De volgende stap is waar het écht interessant wordt.
Wij willen alle monitoring-data over één tijdlijn leggen (Rumvision RUM-data, Tideways APM-traces, Sentry errors, deploy-events, business-KPI's) en dat geheel door AI laten analyseren. Niet om een mooi dashboardje op te leuken, maar om de vraag te beantwoorden die nu altijd tijd kost:
"Er is iets aan de hand op deze shop. Wat is er veranderd, en wat is de meest waarschijnlijke oorzaak?"
Een LLM die toegang heeft tot annotations, performance-metrics, error-rates en conversie kan die vraag in seconden van een hypothese voorzien waar een engineer normaal een half uur mee bezig is. Dát is het punt waar monitoring-tooling van reactief naar proactief kantelt.
Een Rumvision MCP zou mooi zijn
Om die volgende stap sneller te zetten, zou een MCP-server van Rumvision enorm helpen. MCP (Model Context Protocol) is door Anthropic geïntroduceerd en wordt inmiddels door alle grote AI-platforms ondersteund. Met een Rumvision MCP kan elke AI-agent (Claude en onze eigen agents) direct en veilig RUM-data opvragen, correleren met andere bronnen en conclusies trekken, zonder dat elke partij een eigen brug hoeft te schrijven.
Rumvision heeft de data, wij (en andere klanten) hebben de use cases. Een MCP-server zou het stekkertje zijn dat die twee werelden verbindt. Mocht het ervan komen, dan denken we natuurlijk graag mee als launching partner.
