telemetry.dev favicon

telemetry.dev

telemetry.dev 是一款面向 AI 智能体的基于 OpenTelemetry 的可观测性平台,提供覆盖模型调用、工具调用和 MCP 服务器的端到端全链路追踪能力。

编程&IT跨模型调用、工具执行步骤和会话状态追踪多轮 AI 智能体工作流。按状态、环境、框架和会话标识符筛选追踪记录。追踪特定外部工具和端点的 p95 延迟与故障率。通过 TypeScript 与 Python SDK 或通用…
telemetry.dev product interface screenshot
收录于 AIToolly

telemetry.dev 是什么?产品概览

产品用途与官方定位

telemetry.dev 为 AI 应用程序和自主智能体提供可观测性与性能监控支持。该系统基于 OpenTelemetry 标准构建,将模型调用、检索事件和工具执行整合为统一的追踪视图,帮助工程团队评估执行流程、定位工具超时问题并诊断系统运行故障。

该平台能够追踪 Token 消耗量、延迟基准以及按模型提供商、会话、框架和用户细分的成本指标。除了追踪可视化之外,telemetry.dev 还包含针对预算阈值和智能体死循环的邮件告警、环境级提示词捕获控制,以及用于自动化遥测分析的只读 MCP 服务器。

telemetry.dev 可以用来做什么?

有官方来源支持的使用场景

AI 智能体执行追踪

软件工程团队跨多步模型响应和工具执行追踪复杂的智能体工作流,从而识别延迟瓶颈并精准定位调用故障。

模型上下文协议(MCP)性能监控

开发者在客户端和服务端接口上分析 MCP 工具的 Span 数量、故障率和 p95 延迟,以维护工具的高可靠性。

大语言模型支出与 Token 核算

工程管理者监控输入、缓存和输出 Token 的消耗量,评估不同提供商和用户之间的模型成本结构。

如何使用 telemetry.dev

官网提供的使用流程

  1. 1

    技术栈识别

    通过代码智能体提示词或直接参考配置文档,识别应用程序的框架、模型提供商以及运行时环境。

  2. 2

    SDK 或导出器安装

    安装对应的 TypeScript SDK、Python SDK、特定框架集成包,或配置现有的 OpenTelemetry OTLP/HTTP 导出器。

  3. 3

    凭据与环境变量配置

    在目标运行环境中配置项目 API 密钥以及所需的遥测端点连接参数。

  4. 4

    埋点追踪生成

    执行 AI 请求以将 Span、日志和指标数据点直接传输至遥测仪表板中进行可视化展示。

智能体可观测性与 MCP 分析架构

telemetry.dev 通过将各项独立操作分组为结构化追踪来为生成式 AI 应用程序建模。每条追踪均能记录智能体或请求的端到端执行链路,映射单个模型提示词、生成响应、检索步骤以及工具调用。详细的元数据展示了步骤级别的耗时、区分缓存与非缓存输入的 Token 数量以及错误状态,使工程师能够迅速排查延迟瓶颈和中断的集成。

该平台针对模型上下文协议(MCP)系统提供了专门的可观测性支持。它从客户端和服务端两个维度追踪工具的执行情况,按工具方法聚合 Span 数量、p95 耗时以及故障率等核心指标。此外,telemetry.dev 还提供了只读 MCP 服务器端点,允许外部编程或分析智能体以编程方式检查追踪与错误报告。

  • 在单一可视化时间线中完整映射模型调用、检索操作与工具执行。
  • 详细的 Token 分解机制,清晰区分标准输入、缓存输入与输出生成。
  • MCP 工具指标可跨客户端与服务端实现,全面追踪故障率及 p95 延迟。
  • 提供只读 MCP 服务器接口,支持外部 AI 智能体查询错误、延迟数据与运营指标。

选择 telemetry.dev 前需要测试什么

用自己的素材和工作流完成验证

  • 验证您的应用程序技术栈是否支持通过 TypeScript SDK、Python SDK 或标准 OTLP/HTTP 导出器进行集成。
  • 确认生产环境中是否需要停用提示词捕获功能,以符合组织的数据隐私与合规性要求。
  • 检查 MCP 工具的故障率和 p95 延迟指标,以识别跨客户端与服务端调用中的集成超时问题。
  • 检查告警配置选项,确保已针对智能体执行死循环及预算上限建立了自动化通知机制。

telemetry.dev 来源与核对时间

核对了哪些信息以及核对时间

最后核对
分类
编程&IT

telemetry.dev 常见问题

基于已核对产品资料的回答

什么是 telemetry.dev?

telemetry.dev 是一款基于 OpenTelemetry 的 AI 应用程序与智能体可观测性平台,主要用于监控模型调用、工具执行、检索流程、响应延迟、系统错误以及 Token 开销成本。

应用程序如何向 telemetry.dev 发送追踪数据?

应用程序可以通过官方的 TypeScript SDK、Python SDK、针对 OpenAI 和 Vercel AI SDK 的集成包,或者任何支持 OTLP/HTTP 标准协议的导出器来摄入追踪数据。

提示词和补全文本是否可以不被遥测系统存储?

可以。用户可以在数据被持久化存储之前,按不同环境分别禁用提示词捕获功能,从而有效避免提示词和补全响应内容被遥测系统留存。

telemetry.dev 提供了哪些告警选项?

该平台提供通过电子邮件发送的告警通知,触发条件包括触发预算阈值、智能体执行无限循环、异常成本激增,以及模型或工具运行出现错误等情况。

telemetry.dev 如何支持模型上下文协议(MCP)?

telemetry.dev 能够监控 MCP 工具的 Span、故障率和 p95 延迟,同时还提供了一个只读 MCP 服务器接口,方便 AI 智能体查询分析相关的遥测数据。

继续查看同一分类中近期收录的其他工具。