主要观点：公司正快速部署 AI 代理以支持内部流程和产品，而随着代理自主性增强，如何监控自主决策系统成为问题。传统应用监控不适用于 AI 代理，其引入了决策层，若无可观测性，问题往往在客户报告时才被发现，而应从部署之初就将可观测性纳入架构。

关键信息：

• 传统应用监控无法跟踪 AI 代理的决策过程，如调用正确工具、传递有效参数等。
• 代理在应用逻辑和外部系统间做决策，出现问题时需有可见性，可观测性能在问题成为事故前捕捉边缘情况，对合规和性能重要。
• 工具调用可观测性需包含日志记录、数据访问规则、实时警报、与用户权限关联的访问控制和管理员操作审计跟踪等组件，最好能集中所有代理活动到一个视图。
• 早期投资工具调用可观测性的公司有竞争优势，能自信部署代理并快速响应问题、满足合规要求、基于数据优化性能。

重要细节：

• 以帮助销售代表管理 Salesforce 交易的代理为例，若无可观测性，可能会访问超区域交易、在错误日志中分享合同值或传递未经验证的输入导致下游失败，有可观测性可提前定义规则防止。
• 对于受监管行业，可观测性是合规要求，能证明对客户数据的处理控制得当，也有助于 SOC 2 审计。
• 可观测性框架的各组件作用，如日志记录要包含足够上下文，设置规则防止数据访问违规，实时警报要及时通知团队等。
• 可选择将框架添加到现有观测工具或使用专门的 AI 代理观测产品，最好能集中代理活动视图，方便筛选和搜索等操作。