maple-agent-tracing-claude-agent-sdk
Maple 的 Claude Agent SDK（TypeScript/Python）与 Claude Code CLI 会话追踪技能：通过环境变量开启 Claude Code 内置 OpenTelemetry，把每次对话映射为一个 Maple Agent Session，每次用户消息为一个 turn，并上报模型调用（模型、token、TTFT）与工具调用（名称、参数、结果、失败）。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-05 00:16
智能体与模型
25,660 个结果
maple-agent-tracing-cloudflare-agents
为 Cloudflare Agents SDK 智能体接入 Maple 追踪的技能：基于 Vercel AI SDK 与 OpenTelemetry，把一次对话映射为一个 Maple Agent Session、每条用户消息映射为一轮，记录转写、模型调用与 token、工具调用与失败，以及子智能体泳道。
maple-agent-tracing-crewai
该技能用于把 CrewAI 的 crew 与 flow 轨迹接入 Maple：通过 OpenInference 的 CrewAI 与模型 SDK instrumentor 采集会话、模型调用、工具调用与 agent 角色，使一次对话在 Maple Agent Sessions 中呈现为单个会话。
maple-agent-tracing-dspy
面向 DSPy 程序与 ReAct 智能体的 Maple 追踪集成指南，使用 OpenInference DSPy 插桩，补充 token、成本、工具名与 agent 会话信息，让每次对话在 Maple Agent Sessions 中呈现为一个 session。
maple-agent-tracing-genkit
把 Genkit（TypeScript/Node.js）智能体的 OpenTelemetry span 导出到 Maple：通过自定义 SpanProcessor 将 genkit:* 属性映射为 GenAI 语义约定，使每次对话成为一个 Maple Agent Session，每轮一个 turn，并记录转写、模型调用与工具调用。
maple-agent-tracing-google-adk
为 Google ADK 智能体接入 Maple 追踪：注册 OTLP tracer provider、环境变量与插件，采集会话记录、模型调用、工具调用、错误与 token。支持 Python（google-adk）与 TypeScript（@google/adk）。
maple-agent-tracing-haystack
为 Haystack 3 智能体接入 Maple 追踪的技能：安装小型 Haystack 追踪器，为 Haystack 自带 span 补充 OpenTelemetry GenAI 属性，使一次会话对应一个 Maple Agent Session，包含对话记录、模型调用、工具调用（失败会标记）、Token 用量，以及在 OpenRouter 上的成本。
maple-agent-tracing-langchain
Maple 的 LangChain/LangGraph 智能体追踪技能：用 OpenInference 导出 span，把每次对话归为一个 Agent Session，每次 invoke/stream 归为一个 turn，展示对话记录、token、工具调用与子智能体。支持 Python 与 TypeScript。
maple-agent-tracing-litellm
Maple 的 LiteLLM 智能体追踪方案：将 LiteLLM v2 OpenTelemetry span 与应用自建的 invoke_agent、execute_tool span 一并导出到 Maple，使每次对话对应一个 Agent Session、每次运行对应一个 turn，并显示 token、工具调用与失败状态。
maple-agent-tracing-llamaindex
用于将 LlamaIndex Python 智能体接入 Maple 追踪的集成方案：通过 OpenInference LlamaIndex 插桩，把每次对话映射为一个 Maple Agent Session，每次 agent.run()/workflow.run() 为一个 turn，并采集模型调用、token、工具调用与子智能体信息。
maple-agent-tracing-mastra
用于将 Mastra 的智能体与工作流追踪导出到 Maple 的配置指南。通过 @mastra/otel-exporter 把 Mastra 内置的 GenAI span 发送到 Maple，使每次对话对应一个 Maple Agent Session，支持会话、轮次、工具调用与子智能体的可视化。
maple-agent-tracing-microsoft-agent-framework
用于将 Microsoft Agent Framework 与 Semantic Kernel 智能体（Python 与 .NET）的追踪数据接入 Maple 的配置指南，通过 OTLP/HTTP 导出原生 GenAI spans，并用 span processor 补齐会话 id。
maple-agent-tracing-openai-agents
将 OpenAI Agents SDK 的追踪桥接到 Maple：通过 OpenInference 把 SDK 自有的追踪管线转换为 OpenTelemetry 并导出到 Maple，使每次对话在 Maple Agent Sessions 中显示为一个会话、每次 Runner.run 为一个回合，包含转录、模型调用、工具调用、子智能体与交接泳道及 token 统计。
maple-agent-tracing-openrouter
Maple 的 OpenRouter 追踪配置技能：通过 OpenRouter Broadcast（OTLP）把每次模型调用的 token、成本与提示/补全送到 Maple，并在应用侧为 OpenRouter 请求附加 session_id 与 trace 信息，使每段对话对应一个 Agent Session。
maple-agent-tracing-provider-sdks
面向直接用 OpenAI、Anthropic、Google Gen AI SDK（Python 或 TypeScript，无智能体框架）构建的智能体，用 Maple 做 OpenTelemetry GenAI 追踪：把每次会话归为一个 Agent Session，逐个模型调用与工具调用建立 span。
maple-agent-tracing-pydantic-ai
将 Pydantic AI 智能体的 OpenTelemetry 追踪导出到 Maple：每次会话对应一个 Maple Agent Session，每次 agent.run() 为一个 turn。基于 Pydantic AI 原生 OTel 插桩，可用纯 OpenTelemetry 或 Logfire 路径。
maple-agent-tracing-smolagents
为 Hugging Face smolagents 智能体接入 Maple 追踪的集成方案：用 OpenInference 仪表化，把每次对话归并为 Maple 中一个 Agent Session，记录转录、模型调用（模型与 token）、工具调用（名称、参数、结果、失败）及每个受管智能体的独立轨道。
maple-agent-tracing-spring-ai
Maple 的 Spring AI 智能体追踪技能：把 Spring Boot 的 OpenTelemetry 接入 Maple，采样每一轮对话，并添加一个配置类，让每次 ChatClient 调用在 Maple Agent Sessions 中显示为一次会话、一轮对话，包含转录、模型调用、工具调用、子智能体通道与 token。
maple-agent-tracing-strands
Maple 的 Strands Agents 追踪技能：利用 Strands 内置 OpenTelemetry 追踪器，把每次对话映射为一个 Maple Agent Session，导出带消息、token、工具参数与结果的 span，无需额外埋点包。
maple-agent-tracing-vercel-ai-sdk
用于将 Vercel AI SDK 智能体接入 Maple 追踪的技能：注册 AI SDK 的 OpenTelemetry 集成、导出到 Maple，并传入会话 id，使每次对话对应一个 Maple Agent Session。
prompt-engineering
用于编写、审查和改进 LLM 流水线提示词的技能，覆盖任务提示、系统提示与 LLM-as-Judge 评判提示。核心思路是区分“规格鸿沟”（意图未写清）与“泛化鸿沟”（模型在多样输入上出错），先修规格再评估泛化。
turbopuffer
turbopuffer 是构建在对象存储之上的向量与全文搜索引擎，支持向量、BM25 全文、混合检索和过滤。本技能提供在 Go 中使用 turbopuffer 构建搜索的指南，涵盖命名空间、写入、查询、混合检索与多租户等用法。
atelier-spec-methodology
AgentOS 三层上下文、编排式委派与 OpenSpec 活规格方法论插件，结合 Beads 依赖跟踪，用于在写代码前对齐人类与 AI 的构建目标。
ai-redteam
面向 AI 与 LLM 的红队测试技能，用于评估提示注入、越狱、数据外泄、工具滥用、智能体劫持、RAG 投毒与模型拒绝服务等风险，并强调授权边界与防御性输出。