深入理解 AI Agent：从黑盒到全链路——生产级 Agent 的可观测性体系怎么建
传统可观测性回答的是"服务健不健康"，Agent 可观测性要回答的是"这一次推理到底发生了什么"。前者是聚合指标问题，后者是单次执行的全量还原问题。


Agent 的一次对话是树状结构，有分叉、有同层兄弟节点，平铺的日志行无法表达父子关系。HTTP 200 也不代表 Agent 成功了，传统监控完全不可见质量缺陷。


我们采用 Trace/Span 两级数据模型，Span 树靠 parentSpanId 自组织。通过一个注解和一个切面实现零侵入埋点，业务代码和埋点逻辑分离。数据通过有界队列异步落库，避免观测流量反压业务。


采样策略按"排查价值"分配预算，错误 Trace 强制全采，慢节点在瀑布图上一眼定位。我们用 runId 作为串联键，将 Graph、MCP、LLM 三层的 Span 汇聚成一棵完整的树。


最终，可观测性让每一次答错和变慢都能回答“哪一步、为什么、怎么修”。