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。
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。
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。
有官方来源支持的使用场景
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。
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。
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。
官网提供的使用流程
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。
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。
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。
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。
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。
用自己的素材和工作流完成验证
核对了哪些信息以及核对时间
基于已核对产品资料的回答
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。
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。
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 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。