用途：将使用 Cloudflare Agents SDK 的智能体（AIChatAgent、基于 Durable Objects 的 Agent、npm 包 agents / @cloudflare/ai-chat）接入 Maple 追踪。目标是：一个对话（一个智能体实例）对应一个 Maple Agent Session，每条用户消息对应一轮，包含转写内容、每次模型调用（模型、token）、每次工具调用（名称、参数、结果、失败）以及每个子智能体一条泳道。
主要能力与前置要求：需要 ai 版本 >= 7.0.106，若为 5.x/6.x 需先用 npx @ai-sdk/codemod v7 升级；ai@7 同时要求 agents >= 0.23、@cloudflare/ai-chat >= 0.11、@ai-sdk/react@^4、workers-ai-provider@^4 等一并升级。wrangler 配置需含 compatibility_flags: ["nodejs_compat"]。不覆盖不使用 AI SDK 直接调用模型（如 env.AI.run）的情况。
使用方式：通过 npm install ai@^7.0.106 @ai-sdk/otel @opentelemetry/api @opentelemetry/sdk-trace-base @opentelemetry/exporter-trace-otlp-http @opentelemetry/resources @opentelemetry/context-async-hooks 安装依赖；在智能体类旁新建 telemetry.ts，用 BasicTracerProvider 与 OTLPTraceExporter 指向 https://ingest.maple.dev/v1/traces（欧盟为 https://ingest.eu.maple.dev/v1/traces），并调用 registerTelemetry(new OpenTelemetry({ tracer: tracerProvider.getTracer("gen_ai"), usage: true, runtimeContext: true }))。Key 存为 Worker secret（npx wrangler secret put MAPLE_INGEST_KEY），wrangler dev 用 .dev.vars。每轮对话需在模型调用中传入 runtimeContext: { conversationId: this.name } 与 telemetry: { functionId, includeRuntimeContext: { conversationId: true } }，并在每轮结束调用 tracerProvider.forceFlush()。
限制与注意事项：费用会显示为 unpriced（AI SDK 不提供成本）；追踪与 Cloudflare 原生 Workers 追踪分离、trace id 不同。工具失败需从 execute 抛出才显示为失败。消息中的图片/文件按 base64 记录，413 时可考虑 recordInputs: false。不要为每次请求 shutdown 提供器，也不要添加第二个同时导出到 Maple 的 AI SDK 追踪器，否则模型调用会被重复记录。已存在的 OpenTelemetry（如 @microlabs/otel-cf-workers）应扩展而非重建。