OpenTelemetry 是一套由 CNCF 托管的开源可观测性标准，为 traces、metrics、logs 提供统一的采集协议、SDK 与语义约定，是目前云原生领域事实上的数据采集层。过去一年，它的重心正从传统微服务监控延伸到 AI 智能体与 LLM 应用的运行时追踪，成为多家云厂商接入智能体观测能力的公共底座。
OpenTelemetry 在 AI 智能体观测中的近期进展
2026 年围绕智能体可观测性的工具明显增多。CoreWeave 推出 Agent Lens，主打自动聚类智能体失败对话，把散落的执行轨迹归并成可分析的故障模式（CoreWeave 推出 Agent Lens）；此前其发布信息也强调了调试工具的定位（CoreWeave 发布 Agent Lens 调试工具）。这类产品的价值依赖底层遥测数据的规范程度，而 OpenTelemetry 的 span 与属性约定正是常见选择。
与之呼应的是 AWS 的动作：AgentCore Observability 现在可监控本地部署与多云环境中的 AI 智能体（AgentCore Observability 可监控本地和多云 AI 智能体），并给出了在 Amazon Bedrock 上为 Codex 构建可观测性、结合 OpenTelemetry 与 CloudWatch 的实践路径（为 Amazon Bedrock 上的 Codex 构建可观测性）。其评估框架也在强调对任意智能体框架的通用性（Amazon Bedrock AgentCore 评估框架通用性）。
开发者侧的轻量工具同样在跟进。Simon Willison 发布的 Wrapture 提供 Python 函数包装与追踪能力（Wrapture：Python 函数包装与追踪工具发布），而 ORCA-bench 则从值班任务切入，考察语言模型 Agent 的根因分析能力，本质上是在评测“观测数据能否被正确解读”（ORCA-bench）。
当前焦点与观察点
一是语义约定能否跟上智能体形态。多步规划、工具调用、子智能体嵌套让传统的父子 span 模型显得单薄，如何标准化表述“失败原因”仍是开放问题。二是数据归属与成本，本地与多云监控需求上升，意味着采集端需要更少假设、更强可移植性。三是评测闭环，Agent Lens 的失败聚类与 ORCA-bench 的根因分析指向同一件事：可观测性最终要服务于定位而非展示。对采用者而言，值得关注的是 OpenTelemetry 在 LLM 场景下的属性扩展是否收敛，以及厂商实现之间会不会形成新的数据孤岛。