المسار: Dynatrace SaaS · الوحدة 8/8 — OpenTelemetry والذكاء الاصطناعي · المدة: نحو 90 دقيقة · المستوى: متقدم
الأهداف:
- وضع OpenTelemetry بالنسبة إلى OneAgent والاختيار بينهما أو الجمع بينهما.
- إرسال التتبعات والمقاييس والسجلات بصيغة OTLP إلى Dynatrace، مباشرة أو عبر Collector.
- قراءة تتبع لتطبيق LLM وسماته (النموذج والرموز وزمن الاستجابة).
- فهم موقع MCP في بنية الوكلاء وما ينبغي رصده منه.
المتطلبات المسبقة: المسار كله، ولا سيما الوحدتان 3 (DQL) و6 (السجلات)؛ ومعرفة بـ Python أو بلغة أخرى قابلة للقياس البرمجي؛ وبيئة تجريبية ورمز API.
تغطي هذه الوحدة الأخيرة OpenTelemetry والذكاء الاصطناعي في Dynatrace SaaS: كيف تدمج إشارات موحّدة قادمة من تطبيقات لا يجهّزها OneAgent، ثم كيف تطبّق المبادئ نفسها على تطبيقات الذكاء الاصطناعي التوليدي، من استدعاءات النماذج إلى الوكلاء الذين يستخدمون MCP. الموضوعان مترابطان: فقابلية ملاحظة النماذج اللغوية الكبيرة (LLM) تعتمد اليوم إلى حد بعيد على OpenTelemetry.
في ختام هذه الوحدة تكون قد قطعت السلسلة كاملة: الجمع والاستعلام والعرض والتنبيه ومعالجة السجلات والأتمتة، وأخيرًا دمج المصادر المفتوحة.
OpenTelemetry والذكاء الاصطناعي: لماذا معيار مفتوح؟
OpenTelemetry (OTel) مشروع تابع لـ CNCF يحدد واجهات API وSDK وبروتوكولًا (OTLP) وتقاليد تسمية للتتبعات والمقاييس والسجلات. فائدته: تجهّز مرة واحدة وتستطيع إرسال البيانات إلى الواجهة الخلفية التي تختارها. يساعد الجدول التالي على تحديد الموقع:
| الحالة | النهج الموصى به |
|---|---|
| مضيفات وعناقيد تديرها | OneAgent، للقياس البرمجي التلقائي والطوبولوجيا الكاملة. |
| شيفرة مجهّزة أصلًا بـ OTel | إرسال OTLP؛ ويمكن لـ OneAgent أيضًا إثراء spans الخاصة بـ OTel في العمليات التي يراقبها. |
| بيئات يتعذر فيها وضع وكيل (serverless وappliance ولغة ضعيفة التغطية) | SDK الخاص بـ OTel وتصدير OTLP. |
| تطبيقات LLM والوكلاء | مكتبات قياس برمجي متخصصة في OTel، مكمّلة لـ OneAgent على البنية التحتية. |
لمثال كامل على الربط بين المتصفح والخدمات والمضيفات، انظر OpenTelemetry من البداية إلى النهاية.
إرسال البيانات بصيغة OTLP
الإرسال المباشر
تتيح Dynatrace نقطة دخول OTLP عبر HTTP. تُضبط مصدّرات OTel بمتغيّرات بيئة قياسية:
export OTEL_SERVICE_NAME="commande-api"
export OTEL_EXPORTER_OTLP_ENDPOINT="https://<id-environnement>.live.dynatrace.com/api/v2/otlp"
export OTEL_EXPORTER_OTLP_PROTOCOL="http/protobuf"
export OTEL_EXPORTER_OTLP_HEADERS="Authorization=Api-Token <jeton>"
يجب أن يحمل الرمز صلاحيات الاستيعاب المناسبة للإشارات المرسلة (التتبعات والمقاييس والسجلات). تحقق من عنوان URL الدقيق والصلاحيات في الوثائق: فهي تختلف بحسب المرور عبر ActiveGate أو عدمه.
عبر OpenTelemetry Collector
في الإنتاج يُوضع عادةً Collector في الوسط: يستقبل بيانات التطبيقات ويثريها ويصفّيها ويجمعها في دفعات ويصدّرها. كما يركّز الرمز في مكان واحد فلا يلزم توزيعه على كل خدمة. تنشر Dynatrace توزيعتها الخاصة من Collector، لكن التوزيعة المجتمعية تناسب أيضًا. هيكل إعداد:
receivers:
otlp:
protocols:
grpc:
http:
processors:
batch:
exporters:
otlphttp:
endpoint: "https://<id-environnement>.live.dynatrace.com/api/v2/otlp"
headers:
Authorization: "Api-Token ${env:DT_API_TOKEN}"
service:
pipelines:
traces:
receivers: [otlp]
processors: [batch]
exporters: [otlphttp]
نقطة انتباه بخصوص المقاييس: تنتظر Dynatrace زمنية delta. إن أنتجت SDK لديك مقاييس تراكمية (cumulative) فاضبطها على delta أو حوّلها في Collector.
الاستعلام عمّا يصل
بعد استلام البيانات يُستعلم عنها في Grail كغيرها:
fetch spans, from:now()-30m
| filter service.name == "commande-api"
| summarize nb = count(), duree_moy = avg(duration), by:{span.name}
| sort nb desc
مراقبة تطبيق LLM
يضيف تطبيق الذكاء الاصطناعي التوليدي أسئلة جديدة: أي نموذج أجاب، وكم رمزًا استُهلك، وكم استغرق التوليد، وأي أدوات استدعاها الوكيل. يحدد OpenTelemetry تقاليد دلالية «GenAI» لتوحيد هذه المعلومات في الـ spans، بسمات مثل gen_ai.request.model وgen_ai.usage.input_tokens وgen_ai.usage.output_tokens. هذه التقاليد لا تزال تتطور: تحقق من الأسماء الدقيقة التي تنتجها مكتبتك.
تجهّز مكتبات مثل OpenLLMetry عملاء المزوّدين والأطر الرئيسية تلقائيًا. وفي Dynatrace SaaS تغذي هذه التتبعات عروضًا مخصصة لقابلية ملاحظة الذكاء الاصطناعي، ويبقى الاستعلام عنها ممكنًا بـ DQL، مثلًا لمتابعة استهلاك الرموز لكل نموذج:
fetch spans, from:now()-24h
| filter isNotNull(gen_ai.request.model)
| summarize jetons_entree = sum(gen_ai.usage.input_tokens),
jetons_sortie = sum(gen_ai.usage.output_tokens),
by:{gen_ai.request.model}
يفصّل المقال المرجعي قابلية ملاحظة الذكاء الاصطناعي من البداية إلى النهاية رهانات الجودة والتقييم، وما يتجاوز الأداء وحده.
وأين MCP من كل هذا؟
يوحّد بروتوكول سياق النموذج (MCP) طريقة وصول وكيل ذكاء اصطناعي إلى الأدوات والبيانات. ويتدخل على مستويين في هذا المسار. أولًا كشيء يُراقَب: كل استدعاء أداة MCP من وكيل خطوة قد تفشل أو تبطؤ، ومن المفيد تتبعها كـ span. ثم كواجهة نحو Dynatrace: يتيح خادم MCP الخاص بـ Dynatrace لمساعد أن يستعلم عن بياناتك، مثلًا بتنفيذ استعلام DQL أو سرد المشكلات، من محرر أو تطبيق مراسلة. للبدء اقرأ بروتوكول سياق النموذج مشروحًا، ثم لحالة ملموسة من جهة Dynatrace Dynatrace في Microsoft Teams مع خادم MCP.
تمرين عملي
الخطوة 1 — أنشئ رمزًا
في بيئتك التجريبية أنشئ رمز API بصلاحيات استيعاب OTLP للتتبعات والمقاييس. النتيجة المتوقعة: رمز محفوظ في متغيّر بيئة، لا في الشيفرة أبدًا.
الخطوة 2 — جهّز تطبيقًا صغيرًا
خذ تطبيقًا تجريبيًا (مثل خدمة Python صغيرة) وفعّل القياس البرمجي التلقائي في OpenTelemetry للغته، بمتغيّرات OTEL_* أعلاه. النتيجة المتوقعة: يبدأ التطبيق دون خطأ تصدير.
الخطوة 3 — تحقق من وصول الـ spans
ولّد بعض الطلبات ثم نفّذ الاستعلام fetch spans مصفّى على service.name الخاص بك. النتيجة المتوقعة: spans ظاهرة خلال دقائق قليلة.
الخطوة 4 — أضف استدعاء LLM
إذا كان لديك مفتاح مزوّد أو نموذج محلي، أضف استدعاء نموذج مجهّزًا بمكتبة متوافقة مع GenAI. النتيجة المتوقعة: span يحمل اسم النموذج وعدد الرموز، تجده باستعلام الاستهلاك.
اختبار قصير
- ما بروتوكول التصدير القياسي في OpenTelemetry؟
أ. SNMP · ب. OTLP · ج. Syslog · د. JMX - ما الميزة الرئيسية لوجود Collector بين التطبيقات وDynatrace؟
أ. يحل محل Grail · ب. يركّز المعالجة والدفعات والمعرّفات · ج. يلغي الحاجة إلى رمز · د. يولّد لوحات المعلومات - أي زمنية مقاييس تنتظرها Dynatrace في OTLP؟
أ. تراكمية · ب. Delta · ج. لا أهمية لها · د. شهرية - ماذا يوحّد MCP؟
أ. صيغة السجلات · ب. وصول وكيل ذكاء اصطناعي إلى الأدوات والبيانات · ج. تخزين المقاييس · د. بروتوكول الشبكة بين OneAgent والعنقود
الإجابات
- ب — ينقل OTLP التتبعات والمقاييس والسجلات عبر gRPC أو HTTP.
- ب — يثري Collector البيانات ويصفّيها ويجمعها ويبقي الرمز في مكان واحد.
- ب — يجب ضبط المقاييس التراكمية على delta أو تحويلها.
- ب — يصف MCP كيف يكتشف الوكيل الأدوات ومصادر البيانات ويستدعيها.
للمزيد
- فهرس مسار Dynatrace SaaS
- OpenTelemetry من البداية إلى النهاية: من نقرة المستخدم إلى المضيف
- Langfuse وOpenLLMetry: مراقبة تطبيق LLM
- الوثائق الرسمية لـ Dynatrace (قسما OpenTelemetry وAI Observability)
- التقاليد الدلالية GenAI في OpenTelemetry
← الوحدة 7: Workflows والأتمتة · فهرس المسار · العودة إلى فهرس المسار →
الأسئلة الشائعة
هل يجب الاختيار بين OneAgent وOpenTelemetry؟
لا. يبقى OneAgent الأبسط على البنية التحتية التي تتحكم بها؛ ويغطي OpenTelemetry الباقي ويمنح قابلية النقل. ويمكن الجمع بينهما في البيئة نفسها.
هل تُرسل مطالبات (prompts) وردود LLM ضمن التتبعات؟
يتوقف ذلك على المكتبة وإعدادها. قد يكون هذا المحتوى حساسًا: عطّل التقاطه أو أخفِه، مثلًا في Collector أو بـ OpenPipeline، إن اقتضت قواعدك ذلك.
ما الخطوة بعد هذا المسار؟
ثبّت ما تعلمته على مشروع حقيقي: جهّز خدمة بالقياس البرمجي، وابنِ لها dashboard وتنبيهات وworkflow. ثم تتيح الدورات والشهادات الرسمية التحقق من هذه المكتسبات.
تُختتم بهذه الوحدة سلسلة مسار Dynatrace SaaS. أصبحت تعرف كيف تُدخل إشارات موحّدة إلى Grail وتربطها بخدماتك وتتابع تطبيقات الذكاء الاصطناعي بالأدوات نفسها التي تتابع بها بقية منظومتك.
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC. لا يغني هذا المسار عن الدورات والشهادات الرسمية من Dynatrace University. تحقق دائمًا من الميزات في الوثائق الرسمية الخاصة بإصدارك.