Observability - 可观测性系统#

一个完整的 AI Agent 可观测性解决方案，提供结构化日志、性能指标、分布式追踪、告警管理和实时监控面板。

版本#

• 当前版本: 0.2.0
• Node.js 要求: >= 18.0.0
• 作者: 小蒲萄 (Clawd)

功能特性#

核心组件#

1. StructuredLogger - 结构化日志系统
   • JSON 格式日志
   • 多级别日志（error/warn/info/debug）
   • 自动日志轮转
   • 上下文追踪（traceId/spanId）
2. MetricsCollector - 指标收集器
   • Counter（计数器）
   • Gauge（仪表）
   • Histogram（直方图）
   • Prometheus 格式导出
   • 自动聚合和百分位数计算
3. Tracer - 分布式追踪
   • Trace/Span 管理
   • 链路追踪
   • 采样率控制
   • 父子关系追踪
4. AlertManager - 告警管理
   • 阈值告警（支持 Counter/Gauge/Histogram）
   • 规则引擎（gt/lt/eq/gte/lte）
   • 多渠道通知（Console/File/Webhook）
   • 告警抑制和恢复
   • 告警历史记录
5. Dashboard - 监控面板
   • 实时指标展示
   • 多 Tab 视图（概览/LLM/MCP/A2A/告警/日志）
   • 自动刷新
   • RESTful API

OpenClaw 集成#

• LLM 调用监控: Token 消耗、延迟、错误率、成本估算
• MCP 工具监控: 工具调用统计、执行时间、成功率
• A2A 通信监控: 消息延迟、成功率、会话管理

安装#

bash

# 进入技能目录
cd skills/observability

# 安装依赖
npm install

# 运行测试
npm test

# 启动 Dashboard
npm start

快速开始#

基础用法#

javascript

const { ObservabilitySystem } = require('./src/index');

// 创建可观测性系统
const obs = new ObservabilitySystem({
  logging: {
    level: 'info',
    console: true,
    file: true
  },
  metrics: {
    enabled: true,
    prefix: 'agent'
  },
  alerts: {
    enabled: true,
    createDefaultRules: true
  }
});

// 开始追踪
const trace = obs.startTrace('agent.execute', { query: 'test' });

// 执行业务逻辑...
const result = await doSomething();

// 结束追踪
trace.end({ result: 'success' });

// 获取系统状态
const status = obs.getStatus();
console.log(status);

包装函数自动追踪#

javascript

const wrappedFunction = obs.wrap(async (data) => {
  // 你的业务逻辑
  return await processData(data);
}, 'processData');

// 调用会自动追踪
const result = await wrappedFunction(input);

添加告警规则#

javascript

// 添加自定义告警规则
obs.addAlertRule({
  name: 'High Latency Alert',
  description: 'Triggered when latency exceeds threshold',
  metric: 'agent.calls.latency',
  metricType: 'histogram',
  condition: 'gt',
  threshold: 1000,
  severity: 'warning',
  channels: ['console', 'file'],
  cooldown: 60000  // 1分钟冷却
});

// 手动触发告警
obs.fireAlert('rule-id', 1500, 'Latency is too high');

LLM 监控#

javascript

// 记录 LLM 调用
const call = obs.startLLMCall('session-1', 'gpt-4', { temperature: 0.7 });

// 调用 LLM...
const response = await llm.chat(...);

// 结束记录
call.end({
  usage: {
    prompt_tokens: 100,
    completion_tokens: 50,
    total_tokens: 150
  }
});

// 获取 LLM 统计
const llmStats = obs.getStatus().llm;
console.log(`Total tokens: ${llmStats.totalTokens}`);
console.log(`Total cost: $${llmStats.totalCost.toFixed(4)}`);

MCP 工具监控#

javascript

// 记录 MCP 工具调用
const call = obs.startMCPCall('filesystem', 'readFile', { path: '/test.txt' });

// 执行工具...
const result = await mcpTool.execute(...);

// 结束记录
call.end(result);

// 获取 MCP 统计
const mcpStats = obs.getStatus().mcp;
console.log(`Success rate: ${mcpStats.overallSuccessRate.toFixed(1)}%`);

A2A 通信监控#

javascript

// 记录 A2A 消息
const msg = obs.sendA2AMessage({
  id: 'msg-1',
  type: 'request',
  from: 'agent-a',
  to: 'agent-b',
  sessionId: 'session-1',
  payload: { ... }
});

// 接收响应
obs.a2aMonitor.receiveResponse(msg.messageId, msg, response);

// 记录事件
obs.recordA2AEvent({
  type: 'notification',
  from: 'agent-a',
  payload: { ... }
});

Dashboard#

启动 Dashboard 服务器：

bash

npm start
# 或
node src/dashboard.js

访问 http://localhost:3001 查看监控面板。

API 端点#

端点方法描述/GETDashboard UI/api/statusGET系统状态（包含所有模块统计）/api/metricsGET指标数据（JSON）/api/logsGET最近日志/api/prometheusGETPrometheus 格式指标/api/alertsGET告警历史

配置选项#

javascript

{
  // 日志配置
  logging: {
    level: 'info',        // debug/info/warn/error
    console: true,        // 输出到控制台
    file: true,           // 输出到文件
    logDir: './logs',     // 日志目录
    elasticsearch: false  // 输出到 ES（待实现）
  },

  // 指标配置
  metrics: {
    enabled: true,        // 启用指标
    prefix: 'agent',      // 指标前缀
    autoReport: false,    // 自动报告
    reportInterval: 60000 // 报告间隔（毫秒）
  },

  // 追踪配置
  tracing: {
    enabled: true,        // 启用追踪
    sampleRate: 1.0,      // 采样率（0-1）
    maxTraces: 1000       // 最大追踪数
  },

  // 告警配置
  alerts: {
    enabled: true,              // 启用告警
    checkInterval: 30000,       // 检查间隔（毫秒）
    createDefaultRules: true,   // 创建默认规则
    maxHistory: 1000            // 最大历史记录数
  },

  // LLM 监控配置
  llm: {
    enabled: true         // 启用 LLM 监控
  },

  // MCP 监控配置
  mcp: {
    enabled: true         // 启用 MCP 监控
  },

  // A2A 监控配置
  a2a: {
    enabled: true         // 启用 A2A 监控
  }
}

项目结构#

text

skills/observability/
├── src/
│   ├── index.js           # 主入口
│   ├── logger.js          # 结构化日志
│   ├── metrics.js         # 指标收集
│   ├── tracer.js          # 分布式追踪
│   ├── alert-manager.js   # 告警管理
│   ├── llm-monitor.js     # LLM 监控
│   ├── mcp-monitor.js     # MCP 监控
│   ├── a2a-monitor.js     # A2A 监控
│   └── dashboard.js       # 监控面板
├── test/
│   └── observability.test.js  # 测试套件
├── logs/                  # 日志目录
├── package.json
└── SKILL.md

测试#

运行完整测试套件：

bash

npm test

测试覆盖率：

• Logger: ~95%
• MetricsCollector: ~95%
• Tracer: ~90%
• AlertManager: ~90%
• LLMMonitor: ~90%
• MCPToolsMonitor: ~90%
• A2AMonitor: ~90%
• ObservabilitySystem: ~95%

总体覆盖率: >90%

默认告警规则#

系统预置以下告警规则：

1. High Latency Alert - 平均延迟超过 1000ms
2. High Error Rate - 错误次数超过 10
3. High Token Usage - Token 使用量超过 10000
4. MCP Tool Errors - MCP 工具错误超过 5

性能指标#

日志性能#

• 异步写入，不影响主流程
• 自动轮转，单文件最大 10MB
• 保留最近 5 个日志文件

指标性能#

• 内存存储，纳秒级操作
• 自动清理过期追踪
• 可配置的采样率

Dashboard 性能#

• 支持 1000+ 并发连接
• 5 秒自动刷新
• 响应式 UI 设计

扩展开发#

自定义通知渠道#

javascript

class AlertManager {
  constructor() {
    this.notificationHandlers = {
      console: this._notifyConsole.bind(this),
      file: this._notifyFile.bind(this),
      webhook: this._notifyWebhook.bind(this),
      custom: this._notifyCustom.bind(this)  // 添加自定义处理器
    };
  }

  _notifyCustom(alert, rule) {
    // 实现自定义通知逻辑
    sendToSlack(alert.message);
  }
}

自定义指标导出#

javascript

// 导出到 InfluxDB
metrics.onReport((metricsData) => {
  influxDB.writePoints([
    {
      measurement: 'agent_metrics',
      fields: metricsData,
      timestamp: Date.now()
    }
  ]);
});

许可证#

MIT License

作者#

小蒲萄 (Clawd) - OpenClaw 项目