Production Observability

生产使用：可观测性

权威来源：internal/monitor/（metrics.go / trace.go）· python-engine/app/observability/ · python-engine/app/trace/。本页只给「看哪里、什么算信号」。

三样东西

面	位置	看什么
指标（metrics）	internal/monitor/metrics.go	计数器/仪表：配额拒绝、连接池拒绝、运行数…
链路（trace）	internal/monitor/trace.go · app/trace/	一次请求穿过网关 → 引擎 → 存储
审计流水	app/tools/exec_audit.py · app/hooks/audit.py · app/agent/approval_audit.py	谁在什么租户下做了什么（JSONL，UTC+毫秒）

审计不是日志：它是证据，带 tenant/user/session 维度，不受日志级别影响。

几个值得盯的指标

• 配额与限流拒绝：quota_exceeded 之类的计数（internal/monitor/metrics.go 里有专门的 QuotaExceeded 计数器）。
• MCP 连接池拒绝：mcp_pool_rejected_total —— 多租户下的连接经济学信号。
• 运行/会话状态：在跑多少 run、锁过期多少次（多副本健康度的直接指标）。

健康检查的两个端点

curl -sS localhost:8080/health   # 进程活着
curl -sS localhost:8080/ready    # 依赖就绪

编排系统应该只把 /ready 当就绪探针 —— /health 200 不代表能服务。

一条纪律

能变成机器可读的码，就不要只写日志句子。例如压缩"为什么没发生"应该有明确的状态码， 而不是让人去 grep 日志（这是差距分析里"值得追"的低成本项）。

延伸阅读

• 多实例 —— 这些指标在多副本下才有意义
• 错误码 · 安全与护栏（审计流水）

---

本页由仓库内 docs/wiki/ 同步生成（scripts/sync_github_wiki.py）。请不要直接编辑本 wiki —— 改动会下次同步时被覆盖；请改仓库里的对应文件。