核心功能
Session Tracing：把一次 Agent 运行拆分为可追溯的步骤 / LLM 调用树。
功能亮点
slug
agentops
AI/agentops-mcp
。
语言
Python、JavaScript/TS。
形态
开源 SDK + 云仪表盘（agentops.ai）。
集成
LangChain、CrewAI、AutoGen、OpenAI Agents 等主流框架。
文档
https://docs.agentops.ai
适用场景
• 多步骤自动化
• 研发/运营助理
• 知识库助手
安装配置
1) 打开 https://www.agentops.ai/；2) 按官方文档安装依赖（如 pip/npm 或 Docker）；3) 跑通官方 quickstart。
使用方法
先在 AgentOps 控制台注册项目拿到 API key 并设为环境变量 AGENTOPS_API_KEY，然后在程序入口 import agentops 并调用 agentops.init() —— 两行代码即完成自动插桩，OpenAI、Anthropic、Cohere、Mistral、LangChain、CrewAI、AG2（AutoGen）、CamelAI、OpenAI Agents SDK 等主流库的 LLM 调用与 Agent 动作会被自动采集上报；需要更细粒度就加装饰器：@agent 标注 Agent 类把其下调用归组、@operation 把任意函数记成一个 span、@tool(name=…, cost=…) 标注工具调用并计入成本、@trace 圈出一段自定义链路，也可用 record 手动记录事件；跑完到 Dashboard 看 session replay 的逐步执行图，展开每次 LLM 调用的 prompt、输出、token 数与花费，按 tag 或 session 过滤对比不同版本、直接定位报错与超时发生在哪一步，并在汇总视图看跨会话的成本与失败率；脚本结束时用 end_session('Success' / 'Fail') 或结束自定义 trace 标记本次运行结果，便于后续按成败筛选回放。
优点
- 适合复杂任务
- 可组合
- 生态增长快
缺点
- 可靠性/安全难点
- 需要评测与监控
- 工程化成本