9月21日，腾讯云Agent可观测服务正式上线。该服务面向AI Agent的生产环境运维、效果优化与业务运营，提供Agent全链路追踪、Agent评估实验、Agent持续优化等核心能力，还原智能体决策执行全过程，量化输出质量、资源成本与业务效果，补齐Agent规模化落地的一块关键基础设施。基于该服务，Agent每一步的决策、每一笔Token花费、每一次工具调用是否成功，全程可见、可查、可优化，助力企业持续提升Agent的质量、效率与安全性，降低使用成本。

目前，该能力已服务WorkBuddy等腾讯AI应用，并应用于Kimi等多家头部模型厂商的生产环境。

据IDC测算，全球活跃智能体数量2025年约为2860万个，预计2026年达到7940万个。AI Agent应用加速从实验室走向企业生产环境：客服自动化、代码助手、数据分析，到复杂多步骤的业务流程，越来越多的关键业务逻辑被交给LLM驱动的Agent执行。一次用户请求背后对应的是数十次大模型调用、多次工具执行及多轮推理循环，传统日志和APM系统完全无法还原Agent的真实决策过程。

具体到企业，Agent观测的缺失衍生出四个“痛点”。一是推理过程黑盒：Agent给出错误结果时，工程师无法回答"到底在哪一步出了问题"；二是成本不透明：Token消耗是Agent应用最主要的可变成本，往往要等月度账单出来才发现烧钱严重；三是质量难量化：改一版Prompt，效果是变好还是变差，普遍只能靠人工抽样；四是故障难复盘：模型幻觉、工具调用超时、推理陷入死循环，复盘靠残缺日志拼凑，动辄数小时甚至数天。

更隐蔽的是一类"报了成功、却答错了"的隐性异常：模型推理实际上已经失败，接口却仍返回"成功"，用户拿到的回答已是错的。这类问题藏在接口之下的语义层，传统监控完全看不见——仅凭状态码判断，将漏掉近半的真实异常。

对应真实生产流程，让Agent运行看得见、看得懂、能优化、有价值

针对这些痛点，服务的能力设计对应Agent进入企业生产环境后的运维值守、线上排障、Agent迭代、业务运营四段真实流程，优化对象从"告警处置动作"层层递进到"业务能力布局"。

在运维值守环节，实时掌握Agent整体运行状况：总览看板一屏呈现请求量、错误率、耗时与Token用量，AI主动扫描全局调用链、标出异常分布与严重等级；性能与成本看板则分别定位"慢在哪一环""钱花在哪个Agent、哪条业务线"。

在线上排障环节，准确定位根因：工程师从调用链列表圈定可疑请求，用瀑布图一路下钻到具体某次模型调用或工具调用，看清是模型理解偏差、工具返回了脏数据还是检索没召回；多轮对话走偏的，会话回放还原每一轮的输入输出，定位从哪一轮开始错。不熟悉查询语法的，直接用中文提问，AI给出数据解读与根因推断。

在Agent迭代环节，量化改动效果：坏例自动沉淀为数据集，AI打分、人工标注与用户反馈三源合一，每次Prompt或模型变更的效果可追踪、可对比，优化动作直达病灶、改完可验证，形成迭代闭环。

在业务运营环节，解"Agent被谁用、用在哪"的问题：当企业沉淀出几十上百个Skill后，服务基于全量调用数据给出用户画像、意图识别与Skill调用排行，看清哪些能力被高频使用、哪些无人问津、哪些场景值得复制推广——把调用数据从"运维资产"激活为"业务资产"。

支撑这些能力的，是基于OTel GenAI语义约定的统一数据模型，覆盖从会话、任务到模型调用、工具调用的完整执行栈，不同框架上报的数据统一映射到同一套字段。服务还坚持AI-Friendly设计：接入侧，给Agent一个标准化Skill即可自主完成接入；使用侧，核心接口封装成Skill，Agent可直接调用可观测能力，分析结论回传给Agent自我修正。服务兼容Langfuse SDK，修改host地址即可零代码迁移；作为腾讯云全托管服务，用户无需自建存储基础设施或维护集群。

头部客户生产验证，三阶段持续演进

目前，腾讯云Agent可观测已进入头部模型厂商和SaaS企业的生产环境，并在大规模对话和多Agent的高并发业务场景中经受住验证。

Kimi基于该服务，为自己的AI Agent服务平台构建了可观测体系：一次安装，即可完成多类数据统一采集，预置规则自动标注错误类型并分级告警。落地后，Agent异常定位时间大幅缩短，传统监控看不见的隐性异常实现全覆盖，观测开销也显著下降。

某头部SaaS企业则基于服务的响应性能观测、Skill统计与Trace链路分析能力，让上百个销售AI Agent从黑盒变成可度量、可分析、可反哺业务的资产。

按照产品路线图，该服务正按三个阶段持续演进：第一阶段（目前已经上线），支持观测看板、调用链、异常检测与成本分析等基础能力，以及成本AI归因、性能瓶颈自动定位、AI巡检报告与告警联动等智能分析能力，并支持WorkBuddy、DeepSeek Harness以及OpenAI SDK、LangChain、LangGraph等主流Agent/框架接入（已支持16款主流Agent和开发框架）；第二阶段则重点补齐评估相关能力，包括实验对比、Prompt版本管理、A/B同屏对比与跨对话效果评估等优化能力。第三阶段主要补充运营场景能力，新增用户画像、意图识别、Skill运营等运营场景分析，以及多层嵌套Agent架构的完整Trace支持。