Agentic Observability MCP

agentic-observability-mcp

面向 MCP 的 AI Agent 可观测性。通过 Model Context Protocol 实现追踪、成本统计、性能监控、异常检测和审计跟踪。

为什么需要它

AI Agent 会消耗 token、调用工具、做出决策，有时还会陷入循环。你需要了解它们在做什么、成本是多少，以及何时出现问题。目前没有现成的 MCP 服务提供统一的 Agent 可观测性，而这个服务可以。

追踪每次 LLM 调用、每次工具调用和每项决策，并自动计算成本和检测异常。

功能

追踪

• trace_agent_action — 记录任意 Agent 操作（工具调用、LLM 请求、决策、错误），并附带元数据和时间戳

成本统计

• track_token_usage — 追踪每次 LLM 调用的 token 用量，并根据内置定价表（Claude、GPT、Gemini、Mistral）自动计算成本
• get_cost_report — 汇总各会话的成本明细，可按模型、提供商、工具或会话分组

性能监控

• log_tool_call — 记录 MCP 工具调用的延迟、成功或失败状态及错误详情
• get_session_summary — 完整的会话报告：成本、token 用量、工具统计、错误数、模型明细和持续时间

异常检测

• detect_anomaly — 标记异常模式：
  • cost_spike — 会话或单次调用的成本超过阈值
  • error_rate — 工具失败率超过 30%
  • latency_spike — 工具调用耗时超过 10 秒
  • loop_detection — 使用相同参数调用同一工具 3 次或更多（Agent 陷入停滞）
  • token_explosion — 单次调用或会话消耗了过多 token

资源（静态知识）

• observability://pricing — 当前 LLM 定价表（所有主流模型的每 token 成本）
• observability://best-practices — Agent 可观测性最佳实践指南

安装

Claude Desktop / Claude Code

将以下内容添加到 MCP 配置（~/.claude/settings.json 或项目 .mcp.json）：

{
  "mcpServers": {
    "agent-observability": {
      "command": "npx",
      "args": ["agentic-observability-mcp"]
    }
  }
}

Cursor

将以下内容添加到 .cursor/mcp.json：

{
  "mcpServers": {
    "agent-observability": {
      "command": "npx",
      "args": ["agentic-observability-mcp"]
    }
  }
}

Windsurf / VS Code

使用相同的配置方式，将服务添加到 MCP 配置文件中。

使用场景

面向 Agent 框架开发者： 使用 track_token_usage 和 log_tool_call 为 Agent 循环添加监测，无需自行构建遥测系统，即可获取实时成本和性能数据。

面向在生产环境中运行 Agent 的团队： 使用 detect_anomaly，在停滞的 Agent（循环检测）、失控的成本（成本激增）和工具性能下降（延迟激增）演变成故障之前及时发现。

面向成本优化： 使用按模型分组的 get_cost_report，找出哪些模型消耗了你的预算。在质量允许的情况下，将成本较高的推理调用切换到更便宜的模型。

面向合规与审计： 每个类型为 "decision" 的 trace_agent_action 都会生成一条审计记录。在描述中加入推理内容，即可实现完整的可追溯性。

示例

Agent: "Track that I just used 1,500 input tokens and 800 output tokens
        with claude-sonnet-4 on Anthropic for session agent_run_001"

--> Returns:
  {
    "call_cost": 0.016500,
    "running_session_total": 0.016500,
    "model": "claude-sonnet-4",
    "provider": "anthropic",
    "pricing_used": { "input": 0.000003, "output": 0.000015 },
    "model_breakdown": {
      "claude-sonnet-4": {
        "calls": 1,
        "input_tokens": 1500,
        "output_tokens": 800,
        "cost": 0.016500
      }
    }
  }

Agent: "Check session agent_run_001 for anomalies — cost spike and loop detection"

--> Returns:
  {
    "anomalies_found": 0,
    "anomalies": [],
    "checks_performed": ["cost_spike", "loop_detection"]
  }

内置定价表

自动计算以下模型的成本（如有需要，可使用自定义定价覆盖）：

提供商	模型
Anthropic	Claude Opus 4、Sonnet 4、Haiku 4、3.5 Sonnet、3.5 Haiku、3 Opus
OpenAI	GPT-4o、GPT-4o Mini、GPT-4 Turbo、o1、o1-mini、o3-mini
Google	Gemini 2.5 Pro、2.5 Flash、2.0 Flash、1.5 Pro
Mistral	Large、Medium、Small、Codestral
本地	零成本（可自托管模型）

定价

套餐	价格	Agent 数量	保留期限	每月事件数
免费版	$0	1	7 天	10,000
入门版	$59/月	5	30 天	100,000
专业版	$299/月	25	90 天	1,000,000
企业版	$999/月	不限	1 年	不限 + SOC2 报告

架构

v1 使用内存存储（Maps）。服务器重启后数据会丢失。存储层（src/storage.js）的设计便于在 v2 中轻松替换为 Redis 或 Postgres。

要求

• Node.js 18+
• 无需 API 密钥
• 除 MCP SDK 和 Zod 外，无外部依赖

许可证

MIT

关键词

mcp, mcp-server, observability, agent-tracing, cost-tracking, token-usage, ai-agent, performance-monitoring, audit-trail, model-context-protocol