Observabilityv0.1.1

团队在线上部署多个 AI Agent 后，需要实时掌握 LLM 调用延迟、Token 消耗、MCP 工具成功率和 A2A 消息延迟。通过 Observability 的结构化日志、指标收集和分布式追踪，快速定位性能瓶颈与异常调用链路，缩短故障恢复时间。

企业构建基于大模型的对话或自动化应用，Token 成本随使用量快速增长。使用内置 LLM 监控和 High Token Usage 告警规则，按会话追踪 Token 与成本估算，并在超阈值时通过 Webhook 通知，实现精细化成本控制。

在 A2A 多智能体协作场景中，Agent 之间消息传递复杂、成功率难以保障。借助 A2A 监控的会话管理、消息延迟与成功率统计，以及链路追踪的父子 Span 关系，清晰还原跨 Agent 调用全貌并优化协作效率。

MCP 工具被大量 Agent 依赖，工具调用失败会直接阻断业务流程。通过 MCP 监控统计每个工具的调用次数、执行时间和成功率，并结合 MCP Tool Errors 告警规则及时响应异常，保障工具生态稳定。

小型团队希望以低成本获得可视化监控能力。使用 Observability 自带 Dashboard 与 RESTful API，无需引入 Prometheus/Grafana 等重型组件即可查看日志、指标和告警，5 秒自动刷新满足日常运营需求。

将 Observability 基础能力开源以获取开发者生态和口碑，企业版提供 Elasticsearch 日志导出、SSO、长期存储、高级告警路由和专属支持。适合通过社区流量转化付费客户的模式。

提供云端托管的可观测性服务，用户仅需接入 SDK 即可获得日志、指标、追踪和 Dashboard，无需自建服务器与运维。按数据摄入量、保留时长和告警通知量计费。

面向金融、电商、客服等行业交付 AI Agent 监控解决方案，包含告警规则定制、Dashboard 定制、与客户现有运维体系（如 Prometheus、企微/Slack）集成及培训服务。