如果您开发 AI 智能体，则可以使用 OpenTelemetry 对应用进行插桩处理，以观察智能体如何推理、调用工具和响应提示。本指南介绍了如何使用 LangGraph 和智能体开发套件 (ADK) 等框架捕获智能体遥测数据，以及如何在 Cloud Trace 中分析多模态提示和回答。
对智能体进行插桩，以了解其行为
在开发或管理生成式 AI 应用时，遥测数据会捕获自主代理的推理步骤、工具调用和外部交互。这些数据非常有用，原因如下：
- 了解非确定性行为：由于智能体的推理过程是非确定性的，因此遥测是检查智能体做出的决策和选择的工具的唯一可靠方法。
- 排查和诊断错误：跟踪记录可帮助您识别分布式智能体工作流中失败的 API 请求、无限执行循环和延迟瓶颈。
- 支持治理和验证流量：借助遥测功能，您可以直观呈现通信流（例如在应用拓扑中），以验证您的智能体是否仅与授权的智能体、MCP 服务器和外部端点通信。
- 评估输出质量和费用：收集提示、回答和 token 使用情况有助于您评估模型准确率、检测幻觉并优化资源消耗。
如何对生成式 AI 应用进行插桩处理
对应用进行插桩处理涉及生成遥测数据并将其发送到可存储、查询和分析数据的位置。例如，当您的插桩将遥测数据发送到您的 Google Cloud 项目时，您可以使用 Google Cloud Observability 来查看和分析这些数据。
当生成式 AI 应用编写的 span 符合 span 和事件的语义惯例时，Cloud Trace 会自动从这些 span 中提取事件。如需了解这些惯例，请参阅以下文档：
Cloud Trace 还可以显示多模态提示词和回答。在这种情况下，您的提示和回答不会附加到跟踪数据中。而是存储在 Cloud Storage 存储桶中。如需详细了解此配置，请参阅收集和查看多模态提示词和回答。
最佳做法
我们建议您使用 OpenTelemetry 对应用进行插桩，OpenTelemetry 是一个开源项目，用于为应用插桩提供统一框架。本文档中列出的插桩示例使用 OpenTelemetry。
我们还建议您将提示和回答存储在 Cloud Storage 存储桶中，而不是存储在日志条目中：
您可以对 Cloud Storage 存储桶中的内容进行精细控制。例如，您可以删除存储在存储桶中的个别对话。但是，您无法删除单个日志条目。
Cloud Storage 存储桶可以存储远大于日志条目大小上限（限制为 256 KiB）的对象。如果收到的数据超过日志条目大小上限，Cloud Logging 会返回
INVALID_ARGUMENT错误并舍弃数据。如果命令完成且没有错误，但个别字段超出了其大小限制，则 Cloud Logging 会截断该数据。
如需了解 OpenTelemetry，请参阅什么是 OpenTelemetry？。
插桩示例
如需开始使用代理插桩，请参阅以下示例应用和指南：
收集和查看多模态提示词和回答介绍了如何配置 LangGraph ReAct 智能体或使用 ADK 构建的生成式 AI 智能体，以收集多模态提示词和回答。此外，还介绍了如何执行以下操作：
- 将提示和回答存储在 Cloud Storage 存储桶中。
- 使用 Trace 探索器页面查看提示和回答。
- 使用 BigQuery 分析提示和回答。
- 使用 Vertex AI SDK for Python 评估提示和回答。
使用 OpenTelemetry 对 LangGraph ReAct 智能体进行插桩介绍了如何使用 OpenTelemetry 对使用 LangChain 或 LangGraph 框架的生成式 AI 应用进行插桩处理。本文档还提供了指向您可以下载和运行的示例应用的链接。示例应用会收集文本提示词和回答。
使用 OpenTelemetry 对 ADK 应用进行插桩介绍了如何启用内置插桩，以便从代理的关键操作中收集遥测数据。遥测数据包括文本提示词和智能体回答。本文档还提供了指向示例应用的链接，您可以下载并运行该应用。 示例应用会收集文本提示词和回答。
使用 Trace 调查 MCP 调用介绍了如何配置应用，以便将跟踪记录上下文传递给远程 Google Cloud MCP 服务器，从而使这些服务器能够将 span 附加到跟踪记录。