電話：400-882-3320
一つの会話で何が起きたかを、Session と Trace の一覧から確認
Agent、インスタンス、モデル、Token 範囲、時刻、リスクレベルで Session を検索します。対象 Session の各ターンを確認し、挙動、遅延、コストが変化した Trace を特定します。
スキャンしてフォロー
Guance WeChat
スキャンして追加
Guance アシスタント
AI Agent オブザーバビリティの概要
AI Agent オブザーバビリティは、モデル API が成功したかどうかだけを見るものではありません。Prompt と Completion、モデル呼び出し、ツール実行、検索、ガードレール、レイテンシ、Token 使用量を、各 Session と Trace の業務フローに結び付けます。
チームが利用している AI Agent ワークフローをそのまま観測
対応する Agent ランタイムと独自の企業アプリケーションについて、複数ターンの会話、モデル呼び出し、ツール実行、Token コスト、リスクイベントを共通の運用ビューで確認します。
OpenClaw
Hermes
Claude Code
Codex
その他の AI Agent運用上の課題
Agent の実行がブラックボックスになる：最終応答だけでは、途中のモデル、検索、ツール処理を説明できません。
Token コストとレイテンシを制御しにくい：長いコンテキスト、再試行、ツール出力の繰り返しで、単一タスクが予想外に高価または低速になります。
リスクイベントの発生箇所が分からない：危険なコマンドや機密データ操作を、該当する Session、Trace、Span まで結び付ける必要があります。
AI ワークフローと本番システムが分断される：サービスと業務の共通コンテキストがなければ、下流影響と所有者を判断できません。
Guance のアプローチ
Session と Trace の分析：安定した識別子で、会話、ターン、実行経路を再構成します。
モデルとツール呼び出しの分析：リクエスト、引数、出力、状態、所要時間、呼び出し順序を比較します。
Token と性能の監視：入力・出力・キャッシュ Token、レイテンシ、再試行、コスト要因を計測します。
リスクイベントの相関：ガードレールと行動イベントを、該当する操作と周辺コンテキストへ結び付けます。
AI Agent の調査ワークフロー
成功・失敗だけでなく、ツール、リスク、状態変化まで確認
モデル呼び出し、assistant の処理、ツール実行、状態、所要時間、リスクイベントを順番に確認します。問題がモデル推論、生成引数、ツール権限、対象システムのどこにあるかを判断できます。
モデル・検索・ツールのどこで時間を使ったかを可視化
Span のタイミングと実行ウォーターフォールから、モデル遅延、検索、ツール処理、再試行、オーケストレーションのオーバーヘッドを比較します。遅延や無駄な Token 消費を支配する工程を見つけられます。
比較可能な識別情報を計装時に統一
計装時に Agent 種別、インスタンス、モデルプロバイダー、リクエストモデル、Session ID、Trace ID、業務属性を付与します。一貫した識別により、性能、コスト、品質、リスクの比較をチームで再利用できます。
関連コンテンツ
よくある質問
AI Agent オブザーバビリティと LLM オブザーバビリティの違いは何ですか？
LLM オブザーバビリティはモデルリクエスト、応答、レイテンシ、Token 使用量、品質に重点を置きます。AI Agent オブザーバビリティは、複数ターンの Session、オーケストレーション、検索、ツール呼び出し、状態変化、リスクイベントまで対象を広げます。
AI Agent からどのようなシグナルを収集できますか？
計装に応じて、Session・Trace の識別情報、モデルプロバイダーとモデル、入力・出力 Token、レイテンシ、Span 階層、ツール呼び出し、引数、状態、再試行、リスクイベント、独自の業務属性を分析できます。
AI Agent アプリケーションはどのように計装しますか？
Agent または LLM 監視アプリケーションを作成し、対応する OpenTelemetry／GenAI セマンティック属性または連携手順でランタイムを計装します。Session、Trace、Agent、モデル、業務識別子を安定して保持することが重要です。
AI Agent オブザーバビリティは誰が利用しますか？
AI エンジニア、アプリケーション開発者、プラットフォーム、SRE、セキュリティ、プロダクトチームが、Agent の信頼性、性能、コスト、品質、運用責任を改善するために利用します。
関連記事
LLM オブザーバビリティ：モデル呼び出し、Token コスト、Trace
モデルリクエスト、遅延、エラー、コストを運用可能な形で可視化します。
AI Agent オブザーバビリティ設定ガイド
アプリケーションを作成し、Agent を計装して Session と Trace の根拠を分析します。
OWL CLI による観測可能な AI Agent ワークフロー
ログ、メトリクス、Trace、イベント、RUM、インフラ情報をレビュー可能な Agent タスクへ接続します。
AI クライアント向け MCP Server クイックスタート
Model Context Protocol を通じて、対応 AI クライアントを権限管理された Guance コンテキストへ接続します。