智能体上线之后「看不清」是老大难：模型调用、工具使用、MCP 服务器调用散落在各家自建仪表盘里，跟日志和指标对不上，审计师问一句「它到底做了什么」就要人命。10 月 14 日，Anthropic 在 Claude 平台推出 OpenTelemetry 导出公测：Managed Agents、Messages API 与 Claude SDK 发出的每个 span——每次智能体回合、每次模型调用、每次工具使用——都能落进任何接受 OTLP 端点的可观测工具。同一天的发布说明里，Managed Agents 的定时部署也上线了 Claude Platform on AWS。
为什么是标准协议，而不是又一块仪表盘
这次发布的要害在「标准」二字。Claude 的轨迹遵循 OpenTelemetry GenAI 语义约定，意味着 Claude 与其他提供商的数据落进同一套工具与看板；已经在给 Claude Code 或 Cowork 发轨迹的团队，自建智能体的 span 能并到同一处。延迟、token 用量、各类 ID 都随 span 带上。用法上，SDK 侧自动导出（Python、TypeScript、C#、Go、Java、PHP、Ruby 七种语言），API 与 Managed Agents 则要在 Claude Console 里加一个 destination。
官方文章把下游分成三类，各自有代表玩家。调试可观测一类：Grafana Cloud、Honeycomb、Sentry、Splunk——智能体轨迹与日志指标并排，慢步或失败能定位到具体服务。评测改进一类：Arize AI、Braintrust、Datadog、Langfuse、LangSmith、New Relic、PostHog——把生产轨迹转成评测，改动是否有益可测量。组织计量一类：Databricks Unity Gateway——平台与安全团队按团队看 token 用量、标记异常活动。
放权逻辑：先追踪，再放宽
官方文档里有段话值得原样转述：把更多访问权交给一个智能体，从追踪它的模型调用、工具使用与 MCP 服务器调用开始；审查它的轨迹，然后随可靠性证明逐步放宽。这不是运维装饰，是把可观测性变成了扩大权限的前置条件——与 Cloudflare 的信任棘轮（站点 1289）、治理货架「控制装到模型外」（站点 1945）是同一条线。一家账务智能体团队负责人的说法更戳中审计场景：审计师问「这个智能体做了什么、为什么」时，一条时间线就能回答——提示词版本、工具调用、延迟、token 花费与其余系统并排可见。
客户侧证据都是厂商引用口径，需分开读：Ramp 自建 Reflect 系统给 Langfuse 轨迹打分、找复发失败、提修复建议，已在部分智能体上砍掉 10% 至 20% 的 token 用量、让会话快 30%——其工程师的原话是「Reflect 只能改进它观察到的东西」，原生 OTel 导出是把高保真 instrumentation 直接喂进这个闭环；Foxglove 把智能体交互并进 PostHog 与产品用量一起分析；Sterling Labs 把 Langfuse 当赛车 pit wall 用。注意这三个数字是内部系统成绩，不是 OTel 导出本身的收益。
放进台谱里看
站点 1336 记过可观测性品类的整合潮（腾讯云、AWS、OpenObserve 同周动作），843 的 StackGen 把会话轨迹加成本控制写成生产 playbook——那两篇讲「厂商各自攒工具」，这篇讲「协议层收口」。对 1943（ServiceNow AI Passport 运行时验权）与 1968（外部评估员进驻实验室）也是补丁：评估员与审计员终于有标准格式可看。再往上游接 1977（Claude Code Review 转正）与 1991（评审机器化）：评审流水线自己的 span，也在这条数据面上。
几盆该浇的冷水
公测阶段，能力与配额以官方文档为准；GenAI 语义约定是行业工作组的标准而非 Anthropic 独有权——长期看不构成锁定，但细节会随标准演进而变，过早把管道焊死在当前字段上有风险；三个客户故事都是厂商选取的引用；把智能体轨迹与日志指标并排，反过来要求团队先想好留存与脱敏——轨迹里全是提示词与业务数据，「该存多久、谁可读」目前官方及行业暂无统一实践，后续将持续跟进迭代动态。