SuperAPI AI 工具集

observe-trace

智能体与模型

查看项目

更新于 10-15 15:41

技能介绍

Observe Trace 是 ruflo 中的一项可观测性技能,用于追踪智能体的任务执行过程。它收集某个任务的分布式 trace span,并构建可视化的 trace 树,展示执行流程、耗时和瓶颈。

用途

当你需要理解一个任务是如何跨多个智能体执行的——哪些 span 运行过、每个 span 耗时多久、瓶颈出现在哪里、智能体之间如何协作——就可以使用该技能。

主要能力

  • 收集 span:调用 mcp__plugin_ruflo-core_ruflo__memory_search(命名空间 observability)或 memory_list,检索与指定 <task-id> 匹配的所有 span。memory_* 工具族按命名空间路由;agentdb_hierarchical-* 不按命名空间路由(它按 tier:working|episodic|semantic 路由),因此此处应使用 memory_*。参见 ruflo-agentdb ADR-0001 §"Namespace convention"。
  • 构建 trace 树:使用 parentSpanId 引用将 span 组织为父子层级,根 span 位于顶部。
  • 计算耗时:对每个 span 计算 duration(endTime - startTime),并识别关键路径(顺序 span 中最长的链)。
  • 识别瓶颈:标记 duration 超过该操作类型 p95 的 span,或 span 之间存在间隙、暗示空闲时间的 span。
  • 综合摘要:调用 mcp__plugin_ruflo-core_ruflo__agentdb_context-synthesize,将 span 元数据合并为执行流程的叙述性摘要。
  • 报告:展示 trace 树,包含 span 名称、智能体、时长、状态(OK/ERROR)和瓶颈标记;并包含总 trace 时长和关键路径时长。

使用方式

按上述步骤依次执行:收集 span、构建 trace 树、计算耗时、识别瓶颈、综合摘要、输出报告。

CLI 替代方式

npx @claude-flow/cli@latest memory search --query "trace spans for task TASK_ID" --namespace observability

适用场景

需要分析跨智能体任务执行流程、定位性能瓶颈、理解智能体协作方式的可观测性场景。

限制

资料未提供关于平台支持、收费、价格、效果或性能保证的更多信息。