AgentField可观测性完全指南工作流DAG可视化、Prometheus指标与AI执行全链路追踪【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfieldAgentField 是一款把 AI Agent 当作 API 和微服务来构建、运行与扩展的开源控制平面。它内置完整的可观测性体系自动生成的工作流 DAG 可视化、Prometheus/metrics指标端点、基于 OpenTelemetry 的执行全链路追踪让一次请求扇出到成百上千个 Agent 时每一个分支都能被看见、被度量、被追踪。为什么 AI Agent 需要可观测性传统后端出了问题看日志、看指标就够了但 AI 工作流是动态扇出的一个请求可能路由到多个 Agent 节点、触发多次推理reasoner、发生重试甚至人工审批等待。这时你会面对三个灵魂拷问发生了什么—— 哪个节点、哪次推理产生了这条日志⏱️现在在干什么—— 还在运行的执行卡在哪一步❌哪里失败了—— 失败发生在哪、上下文是什么、重试了几次AgentField 的可观测性设计正是围绕这三个问题展开把答案拆成三个层次生命周期事件时间线、结构化执行日志主调试面、原始节点日志深度调试。完整设计思路见 docs/design/execution-observability-rfc.md。工作流 DAG 可视化一眼看清 Agent 协作在 AgentField 控制台打开某个工作流你会得到一张自动生成的 DAG 图——每个节点是一个 Agent 执行每条边是一次调用关系节点颜色直接反映运行状态成功、失败、运行中。你甚至不需要在代码里画任何图DAG 是控制平面根据执行事件自动追踪出来的。前端实现位于 control-plane/web/client/src/components/WorkflowDAG/基于 React Flow 渲染并针对大图做了工程化处理虚拟渲染VirtualizedDAG与DeckGL 3D 视图节点上万时依然流畅多种布局算法control-plane/web/client/src/components/WorkflowDAG/layouts/LayoutManager.ts力导向、分层、网格等一键切换节点侧边栏点击任意节点即可查看该次执行的输入输出与详情。后端也提供了标准 APIGET /api/v1/workflows/{id}/dag方便接入你自己的监控工具链。工作流执行列表页同样内置了状态、节点数、耗时等关键列配合状态筛选可以快速定位异常工作流执行时间线给每次 AI 执行一条清晰的故事线打开单次执行的详情页你会看到三个区域区域内容适合谁Timeline执行开始 → 节点调用 → 等待/重试/失败/成功快速了解状态流转Execution Logs结构化、执行级关联的日志流支持按级别/节点/来源/文本过滤支持实时跟随主要调试场景Advanced Debug节点原始 stdout/stderr 日志深度排障关键设计是SDK 会在每条日志发出时打上执行上下文execution ID、run ID、Agent 节点 ID、reasoner 名称因此即使一个节点并发处理多个执行日志也不会串线。开发者也可以直接用执行感知日志 API 打业务日志app.ctx.logger.info(Fetched customer profile, customer_idcustomer_id)Prometheus 指标用数字度量 AI 执行健康度控制平面暴露标准的 Prometheus/metrics端点核心指标定义在 control-plane/internal/services/execution_metrics.go指标类型说明agentfield_gateway_queue_depthGauge当前排队/在途的工作流步骤数agentfield_waiters_inflightGauge当前同步等待通道数agentfield_gateway_backpressure_totalCounter按原因分组的背压事件总数agentfield_step_duration_secondsHistogram按终态分组的工作流步骤耗时agentfield_step_retries_totalCounter按 Agent 节点分组的步骤重试次数配合 Grafana 之类工具你可以回答排队深度是否持续上升哪个 Agent 的重试率异常P99 步骤耗时是否在漂移——把 AI 系统当成你熟悉的微服务来运维。全链路追踪从 OpenTelemetry 到 LLM 调用AgentField 的控制平面内置了 OpenTelemetry 追踪OTel Tracercontrol-plane/internal/observability/tracer.go支持 OTLP HTTP/gRPC 导出可直连 Jaeger、Tempo、Grafana 等后端ExecutionTracercontrol-plane/internal/observability/execution_tracer.go订阅执行与推理事件总线把每一次执行自动翻译成 OTel span无需手动埋点LLM 层追踪Python SDK 可注册 LiteLLM 回调如 LangFuse、Logfire每次app.ai文本补全都会自动携带agentfield_execution_id、agentfield_run_id等关联元数据见 docs/llm-observability.md。这意味着从用户请求 → 控制平面路由 → Agent 节点执行 → 模型调用的完整链路都能通过执行 ID 关联起来实现真正的全链路追踪。快速上手3 步启用可观测性部署控制平面浏览器打开控制台进入 Workflows 页面即可看到自动生成的工作流 DAG 与执行时间线抓取指标Prometheus 配置 scrape 控制平面的/metrics端点导入 Grafana 看板接入 Tracing 后端在配置中启用 OTLP 导出端点即可在 Jaeger/Tempo 中看到每次 AI 执行的 span。延伸阅读执行可观测性设计 RFCdocs/design/execution-observability-rfc.mdLLM 可观测性LiteLLM 回调与执行关联docs/llm-observability.md架构总览docs/ARCHITECTURE.md可观测性相关迁移脚本工作流运行/步骤表control-plane/migrations/011_create_workflow_runs_and_steps.sql⚠️ 提示同一张图片在正文中仅引用一次上文 Dashboard/DAG 界面截图已在工作流章节使用此处如需替换请参考控制平面 Web 客户端 control-plane/web/client/src/components/WorkflowDAG/ 的实际渲染效果。【免费下载链接】agentfieldBuild, run and scale AI agents like API and microservices项目地址: https://gitcode.com/gh_mirrors/ag/agentfield创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考