Módulo 8: OpenTelemetry e IA, de las trazas OTLP a los agentes MCP

OpenTelemetry e IA en Dynatrace SaaS: enviar datos OTLP, configurar un Collector, trazar las llamadas a LLM y entender el lugar de MCP.
Module 8 : OpenTelemetry/IA, des traces OTLP aux agents MCP

Ruta de aprendizaje: Dynatrace SaaS · Módulo 8/8: OpenTelemetry e IA · Duración: ~90 min · Nivel: avanzado

Objetivos:

  • Situar OpenTelemetry respecto a OneAgent y elegir entre ambos, o combinarlos.
  • Enviar trazas, métricas y logs por OTLP a Dynatrace, directamente o a través de un Collector.
  • Leer una traza de una aplicación LLM y sus atributos (modelo, tokens, latencia).
  • Entender el lugar de MCP en una arquitectura de agentes y qué hay que observar de él.

Requisitos previos: el conjunto de la ruta, en particular los módulos 3 (DQL) y 6 (logs); nociones de Python o de otro lenguaje instrumentable; un entorno de prueba y un token de API.

Este último módulo de formación cubre OpenTelemetry e IA en Dynatrace SaaS: cómo integrar señales estandarizadas procedentes de aplicaciones que OneAgent no instrumenta y cómo aplicar después esos mismos principios a las aplicaciones de IA generativa, desde las llamadas a modelos hasta los agentes que usan MCP. Ambos temas están ligados: la observabilidad de los LLM se apoya hoy en gran medida en OpenTelemetry.

Al terminar este módulo habrás recorrido toda la cadena: recoger, consultar, visualizar, alertar, tratar los logs, automatizar y, por último, integrar fuentes abiertas.

OpenTelemetry e IA: ¿por qué un estándar abierto?

OpenTelemetry (OTel) es un proyecto de la CNCF que define API, SDK, un protocolo (OTLP) y convenciones de nombres para las trazas, las métricas y los logs. Su interés: instrumentar una vez y poder enviar los datos al backend que elijas. La tabla siguiente ayuda a posicionarse:

Situación Enfoque recomendado
Hosts y clústeres que administras OneAgent, por la instrumentación automática y la topología completa.
Código ya instrumentado con OTel Envío OTLP; OneAgent también puede enriquecer los spans de OTel de los procesos que monitoriza.
Entornos donde no se puede poner un agente (serverless, appliance, lenguaje poco cubierto) SDK de OTel y exportación OTLP.
Aplicaciones LLM y agentes Bibliotecas de instrumentación de OTel especializadas, como complemento de OneAgent en la infraestructura.

Para un ejemplo completo de correlación entre navegador, servicios y hosts, consulta OpenTelemetry de extremo a extremo.

Enviar datos por OTLP

Envío directo

Dynatrace expone un punto de entrada OTLP por HTTP. Los exportadores de OTel se configuran con variables de entorno estándar:

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>"

El token debe llevar los permisos de ingesta correspondientes a las señales enviadas (trazas, métricas, logs). Comprueba la URL exacta y los permisos en la documentación: difieren según pases o no por un ActiveGate.

A través de un OpenTelemetry Collector

En producción, se suele intercalar un Collector: recibe los datos de las aplicaciones, los enriquece, los filtra, los agrupa en lotes y los exporta. También centraliza el token, que ya no hay que distribuir a cada servicio. Dynatrace publica su propia distribución del Collector, pero la distribución de la comunidad también sirve. Un esqueleto de configuración:

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]

Punto de atención sobre las métricas: Dynatrace espera una temporalidad delta. Si tus SDK producen métricas acumulativas, configúralos en delta o conviértelas en el Collector.

Consultar lo que llega

Una vez recibidos, los datos se consultan en Grail como el resto:

fetch spans, from:now()-30m
| filter service.name == "commande-api"
| summarize nb = count(), duree_moy = avg(duration), by:{span.name}
| sort nb desc

Observar una aplicación LLM

Una aplicación de IA generativa añade preguntas nuevas: qué modelo respondió, cuántos tokens se consumieron, cuánto tardó la generación, qué herramientas llamó el agente. OpenTelemetry define convenciones semánticas «GenAI» para normalizar esta información en los spans, con atributos como gen_ai.request.model, gen_ai.usage.input_tokens y gen_ai.usage.output_tokens. Estas convenciones siguen evolucionando: comprueba los nombres exactos que produce tu biblioteca.

Bibliotecas como OpenLLMetry instrumentan automáticamente los clientes de los principales proveedores y frameworks. En Dynatrace SaaS, estas trazas alimentan vistas dedicadas a la observabilidad de la IA y siguen siendo consultables en DQL, por ejemplo para seguir el consumo de tokens por modelo:

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}

El pilar observabilidad de la IA de extremo a extremo detalla los retos de calidad y evaluación, más allá del rendimiento.

¿Y MCP en todo esto?

El Model Context Protocol (MCP) estandariza la forma en que un agente de IA accede a herramientas y datos. Interviene en dos niveles en esta ruta. Primero, como objeto que observar: cada llamada a una herramienta MCP por parte de un agente es una etapa que puede fallar o ralentizarse, y que conviene trazar como un span. Después, como interfaz hacia Dynatrace: el servidor MCP de Dynatrace permite a un asistente consultar tus datos, por ejemplo ejecutar una consulta DQL o listar problemas, desde un editor o una herramienta de mensajería. Para empezar, lee el Model Context Protocol explicado y, para un caso concreto del lado de Dynatrace, Dynatrace en Microsoft Teams con el servidor MCP.

Ejercicio práctico

Paso 1: crear un token

En tu entorno de prueba, crea un token de API con los permisos de ingesta OTLP para trazas y métricas. Resultado esperado: un token guardado en una variable de entorno, nunca en el código.

Paso 2: instrumentar una pequeña aplicación

Toma una aplicación de demostración (por ejemplo un pequeño servicio en Python) y activa la instrumentación automática de OpenTelemetry de su lenguaje, con las variables OTEL_* de arriba. Resultado esperado: la aplicación arranca sin errores de exportación.

Paso 3: comprobar la llegada de los spans

Genera algunas peticiones y ejecuta después la consulta fetch spans filtrada por tu service.name. Resultado esperado: spans visibles en pocos minutos.

Paso 4: añadir una llamada a un LLM

Si dispones de una clave de proveedor o de un modelo local, añade una llamada a un modelo instrumentada con una biblioteca compatible con GenAI. Resultado esperado: un span con el nombre del modelo y el número de tokens, localizado con la consulta de consumo.

Cuestionario

  1. ¿Cuál es el protocolo de exportación estándar de OpenTelemetry?
    A. SNMP · B. OTLP · C. Syslog · D. JMX
  2. ¿Cuál es la principal ventaja de un Collector entre las aplicaciones y Dynatrace?
    A. Sustituye a Grail · B. Centraliza el procesamiento, los lotes y las credenciales · C. Elimina la necesidad de token · D. Genera los dashboards
  3. ¿Qué temporalidad de métricas espera Dynatrace en OTLP?
    A. Acumulativa · B. Delta · C. Da igual · D. Mensual
  4. ¿Qué estandariza MCP?
    A. El formato de los logs · B. El acceso de un agente de IA a herramientas y datos · C. El almacenamiento de métricas · D. El protocolo de red entre OneAgent y el clúster

Soluciones

  1. B: OTLP transporta trazas, métricas y logs por gRPC o HTTP.
  2. B: el Collector enriquece, filtra y agrupa los datos y mantiene el token en un solo sitio.
  3. B: las métricas acumulativas deben configurarse en delta o convertirse.
  4. B: MCP describe cómo un agente descubre y llama a herramientas y fuentes de datos.

Para ir más lejos

← Módulo 7: Workflows y automatización · Índice de la ruta · Volver al índice de la ruta →

Preguntas frecuentes

¿Hay que elegir entre OneAgent y OpenTelemetry?

No. OneAgent sigue siendo lo más sencillo en la infraestructura que controlas; OpenTelemetry cubre el resto y aporta portabilidad. Ambos se combinan en el mismo entorno.

¿Se envían los prompts y las respuestas de los LLM en las trazas?

Depende de la biblioteca y de su configuración. Ese contenido puede ser sensible: desactiva su captura o enmascáralo, por ejemplo en el Collector o con OpenPipeline, si tus normas lo exigen.

¿Qué hacer después de esta ruta?

Consolida sobre un proyecto real: instrumenta un servicio, construye su dashboard, sus alertas y un workflow. Las formaciones y certificaciones oficiales permiten después validar lo aprendido.

Este módulo cierra la ruta de Dynatrace SaaS. Ya sabes hacer entrar señales estandarizadas en Grail, relacionarlas con tus servicios y seguir las aplicaciones de IA con las mismas herramientas que el resto de tu sistema.

span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC. Dynatrace es una marca de Dynatrace LLC. Esta ruta no sustituye a las formaciones y certificaciones oficiales de Dynatrace University. Comprueba las funcionalidades en la documentación oficial correspondiente a tu versión.

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
Module 7 : Workflows, automatisation des opérations

Módulo 7: Workflows y automatización de las operaciones

Next Post
Configurer le collector OpenTelemetry Dynatrace : traces, métriques et logs en OTLP/HTTP

Configurar el colector OpenTelemetry Dynatrace: trazas, métricas y logs con OTLP/HTTP

Related Posts