連接獲授權可觀測性工具的 MCP Server | 觀測雲

觀測雲 MCP Server 的作用

把支援的觀測雲能力變成供獲授權 Client 使用的結構化 MCP 工具

Server 提供標準工具介面；它不會授予無限制平台存取權，也不代表 Agent 結論必然正確。工具可見性遵從 API Key 權限，寫入工具則可更改資源。每個工作流程都應審查工具、輸入、返回證據與批准邊界。

連接支援文件列明 MCP Transport 的 Client

在 Client 內設定 Endpoint、身分驗證與工具批准方式。不同 Client 的欄位及能力可能不同，請查閱最新觀測雲與 Client 文件。

Trae

Cursor

Windsurf

Claude Desktop

VS Code

Codex

MCP 接入需要控制的事項

缺少即時上下文：助手無法只靠對話文字驗證目前系統狀態。

憑證範圍過大：權限過寬的連線可能開放超出任務需要的資料或操作。

工具使用不透明：如工具、參數與結果被隱藏，結論便難以審查。

寫入風險：如 Agent 未經批准執行管理工具，可能更改工作空間資源。

觀測雲如何提供工具路徑

結構化工具：MCP 提供說明與輸入 Schema，讓支援的 Client 在呼叫前檢視。

憑證邊界：觀測雲工具可見性與結果遵從設定 API Key 權限。

證據路徑：查詢返回的資料可與模型敘述分開審查。

批准控制：團隊可要求寫入工具或敏感工作流程執行前先獲確認。

從連線到以證據為本的調查

把支援 MCP 的 Client 連到觀測雲

設定文件列明的 Endpoint 與驗證方式、測試連線，並在交付營運任務前檢視工具目錄。

把支援 MCP 的 Client 連到觀測雲

以返回的可觀測性證據支撐對話

查詢界定清楚的服務、資源或時間範圍，並保留工具輸入與返回記錄供工程審查。

觀測 Agent，同時管控它可呼叫的工具

以 Agent Observability 觀測 Agent 執行路徑，並以 MCP 權限與批准機制控制觀測雲操作。

觀測 Agent，同時管控它可呼叫的工具

相關 AI 與可觀測性能力

OWL CLI

從終端、腳本與 Agent 工作流程使用獲授權的觀測雲工具。

AI Agent 可觀測性

追蹤 Agent 使用的 Session、工作流程、模型呼叫與工具。

統一可觀測性平台

在同一營運模型中連接 Telemetry、服務上下文與事故工作流程。

觀測雲 MCP Server 常見問題

甚麼是觀測雲 MCP Server？

觀測雲 OWL MCP Server 透過 Model Context Protocol 向支援的 AI Client 開放觀測雲工具，讓 Client 以結構化工具呼叫請求可觀測性上下文或支援操作。

如何控制資料存取與寫入操作？

可見工具、可存取資源及執行結果遵從設定 API Key 權限。寫入工具可更改工作空間資源，因此觀測雲建議為 Agent 與 MCP Client 工作流程設定人工確認或批准機制。

何時應使用 MCP Server，而不是 OWL CLI？

當支援 MCP 的 AI Client 需要直接探索及呼叫觀測雲工具時，使用 MCP Server；終端、腳本或命令導向 Agent 工作流程則使用 OWL CLI。兩者共用同一套工具導向觀測雲能力層。

接入指南

觀測 LLM 呼叫、Token 用量與 Trace 上下文

把模型請求、延遲、錯誤、Token 用量及工作流程 Span 放進同一次調查。

為 AI Agent 建立可審查的運行記錄

為 AI Agent 建立可審查的運行記錄

記錄 Agent Session、Trace、工具呼叫與執行上下文，不把模型輸出本身當作證據。

在工程與 AI Agent 工作流程中使用 OWL CLI

在工程與 AI Agent 工作流程中使用 OWL CLI

同步可用工具目錄、檢視 Schema，並從終端執行獲授權的觀測雲工具。

讓 MCP Client 連接獲授權的觀測雲工具

讓 MCP Client 連接獲授權的觀測雲工具

設定 MCP 連線、驗證身分，並審查向 Client 開放的工具。