Что такое ИИ-агент для трассировки: MCP и OpenTelemetry закрыли разрыв в отладке
Разработчики, которые уже подключают ИИ-агентов к внешним сервисам через MCP (Model Context Protocol, протокол взаимодействия приложений с инструментами и данными), 28 июля 2026 года получили два обновления сразу: MCP закрепил стандарт сквозной трассировки, а OpenTelemetry включил агентные сценарии в дорожную карту.

До сих пор каждый переход запроса между приложением, MCP-сервером и внешним API разрывал трейс (цепочку записей о прохождении запроса через систему). Теперь формат передачи контекста зафиксирован в протоколе, и отладка агентных цепочек перестаёт быть кустарной задачей.
Чтобы понять, что такое ИИ-агент в контексте трассировки, представьте программу, которая сама решает, какой инструмент вызвать, какой API запросить и в каком порядке действовать. Один пользовательский запрос может пройти через хост-приложение, SDK, MCP-сервер и несколько зависимых систем. Без общего контекста отладка превращается в гадание: непонятно, где задержка и кто виноват. Именно эту проблему решают два обновления, о которых сообщили спецификация MCP от 28 июля и доклады на Japan Community Day перед KubeCon + CloudNativeCon Japan в тот же день.
Что понадобится
- Понимание базовых концепций MCP (хост, клиент, сервер)
- Установленный MCP SDK на Python или C#
- OpenTelemetry-совместимый бэкенд для сбора трейсов (Jaeger, Grafana Tempo или аналог)
- Спецификация MCP редакции 2026-07-28 (описания изменений в SEP-414 и SEP-2577)
- Примерно 2 часа на первую настройку сквозной трассировки
Что изменилось в MCP 2026-07-28?
Редакция MCP от 28 июля 2026 года закрепила передачу контекста трассировки по стандарту W3C Trace Context. Для этого в поле _meta внутри params используются три ключа:
traceparenttracestatebaggage
Для этих ключей сделано исключение из общего правила DNS-префиксов в _meta. Без исключения разные реализации могли бы выбрать разные имена (например, io.modelcontextprotocol.traceparent), и тогда они не смогли бы продолжать один трейс.
Базовый протокол стал stateless (без сохранения состояния между запросами). Из обязательного ядра удалены initialize, initialized и заголовок Mcp-Session-Id. Версия протокола, идентификация клиента и контекст трассировки теперь передаются в _meta каждого запроса. Прокси, балансировщики и шлюзы теперь меньше зависят от скрытого состояния сессии.
Одновременно MCP начал выводить из протокола встроенный механизм Logging. Для структурированной телеметрии (систематического сбора данных о работе системы) предлагается использовать OpenTelemetry. Переходное окно составляет минимум двенадцать месяцев.
Пошаговая инструкция: сквозной трейс от приложения до внешнего API
-
Убедитесь, что ваш MCP SDK поддерживает редакцию 2026-07-28. Передача контекста уже работала в C# и Python SDK, Logfire, инструментации OpenInference и Envoy AI Gateway. Теперь имена ключей зафиксированы в протоколе.
-
Сформируйте запрос с
traceparentв_meta. Пример из спецификации:
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "get_weather",
"arguments": {
"location": "New York"
},
"_meta": {
"traceparent": "00-0af7651916cd43dd8448eb211c80319c-00f067aa0ba902b7-01"
}
}
}
-
На стороне MCP-сервера извлеките контекст из
_meta. Сам протокол не создаёт спаны (span, единица работы внутри трейса) автоматически. Клиенты, серверы и вызываемые ими компоненты должны сами извлечь контекст, продолжить трейс и экспортировать данные. -
Настройте экспорт в OpenTelemetry-совместимый бэкенд. Один
trace_idсохраняется при переходе от приложения к MCP-серверу и вызываемому API. Трейс собирается в бэкенде вместе с телеметрией остальных сервисов. -
Проверьте, что в одном трейсе видны все звенья цепочки:
- сколько времени модель принимала решение
- какой инструмент был выбран
- сколько занял вызов MCP-сервера
- где возникла ошибка
-
какой зависимый сервис стал причиной задержки
-
Замените встроенный Logging на OpenTelemetry для структурированной телеметрии. Logging не удаляют сразу, но новым реализациям рекомендуют переходить уже сейчас.
Допустим, ваш ИИ-агент получает запрос «Какая погода в Нью-Йорке?». Агент решает вызвать инструмент get_weather через MCP-сервер, который обращается к внешнему API погоды. Вы формируете запрос с traceparent в _meta (как в примере выше). MCP-сервер извлекает этот контекст, создаёт дочерний спан, вызывает API и экспортирует данные. В бэкенде (например, Jaeger) вы видите единый трейс: 120 мс на решение модели, 15 мс на вызов MCP-сервера, 340 мс на ответ API погоды. Если API не ответил, трейс покажет, что ошибка произошла именно на последнем звене, а не на уровне вашего агента.
Куда движется OpenTelemetry в части ИИ-агентов?
На Japan Community Day 28 июля и KubeCon Japan 29 и 30 июля прошли доклады, посвящённые наблюдаемости ИИ-агентов. После получения статуса graduated (завершение инкубации в CNCF) в мае 2026 года OpenTelemetry перечислил направления развития:
- семантические соглашения для генеративного ИИ и агентных сценариев
- наблюдаемость браузерных и мобильных приложений
- управление схемами телеметрии через Weaver (инструмент для описания, проверки и документирования семантических соглашений)
- упрощение установки через Packaging (набор APT- и RPM-пакетов)
- развитие Injector (библиотека, которая при запуске процесса подключает агенты автоинструментации без правки кода приложения)
Одного trace_id для ИИ-систем пока недостаточно. Семантические соглашения (правила, как единообразно описывать вызов модели, вызов инструмента, шаг агента, ошибку политики) ещё развиваются. Наблюдаемость агентов нельзя считать полностью стандартизированной, но механизм передачи и корреляции контекста уже описан.
Факт выступления с докладом на KubeCon Japan, одной из крупных конференций по облачной инфраструктуре, говорит о том, что агентная наблюдаемость перешла из экспериментальной области в рабочую повестку индустрии.
Что делать с этим прямо сейчас, по ролям
Разработчику ИИ-агентов. Обновите MCP SDK до редакции 2026-07-28 и убедитесь, что traceparent передаётся в каждом запросе. Замените встроенный Logging на экспорт в OpenTelemetry. Это снизит затраты на отладку цепочек, проходящих через локальные API и внешние сервисы.
Автору Дзена, который пишет о технологиях. Понимание того, что такое ИИ-агент и как устроена его трассировка, даёт вам экспертный угол для контента. Тема агентной наблюдаемости пока слабо покрыта на русском языке, и статья с конкретными примерами запросов привлечёт технически грамотную аудиторию.
Техническому руководителю. Если ваша команда строит продукт с ИИ-агентами, закладывайте OpenTelemetry в архитектуру сейчас. Переходное окно по Logging составляет минимум 12 месяцев, но откладывать миграцию значит копить технический долг.
Первая ошибка: рассчитывать, что MCP создаст спаны автоматически. Протокол только передаёт контекст. Извлечение, продолжение трейса и экспорт данных остаётся на вашей стороне.
Вторая: использовать кастомные имена ключей вместо traceparent, tracestate, baggage. До фиксации в спецификации некоторые реализации так делали. Теперь это приведёт к разрыву трейса при взаимодействии с другими компонентами.
Третья: игнорировать, что семантические соглашения для агентных сценариев ещё не стабилизированы. Стройте трассировку на зафиксированном механизме контекста, но будьте готовы адаптировать описание спанов, когда соглашения финализируют.
Я вижу в этих двух обновлениях практический сдвиг: ИИ-агент перестаёт быть «чёрным ящиком с промптом (промпт, текстовая инструкция для модели) на входе» и становится наблюдаемой распределённой системой. Для тех, кто работает с локальными API в России, это особенно ценно: отладка цепочки запросов через несколько сервисов без сквозного трейса отнимает часы. Честная оговорка: стандартизация не завершена, остаются открытые вопросы, единая модель спанов для многошаговых агентов, учёт стоимости и токенов (токен, минимальная единица текста, которую обрабатывает модель) при сложных цепочках, безопасное управление содержимым промптов и ответов. Но фундамент для сквозной трассировки уже заложен, и тянуть с его внедрением не стоит.
Попробуйте инструменты dzen.guru для работы с ИИ
Если вы строите контент-стратегию с использованием ИИ-агентов и хотите разобраться в их возможностях на практике, начните с наших инструментов.
Перейти на dzen.guruГлавный вывод: журнал действий агента показывает его собственные шаги, а сквозной трейс связывает эти шаги с MCP-сервером, внешними API и инфраструктурой. Механизм для этой связи теперь зафиксирован в протоколе. Осталось его внедрить.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Meta получила штраф $942 млн за безопасность детей: суд впервые обязал убрать лайки
Meta в июне получила от суда Нью-Мексико штраф на 567 миллионов долларов за вред, который соцсети компании причиняют детям, и это уже второй удар за три месяца…

Alibaba открыла веса Qwen 3.8 Max: нейросеть на 2,4 трлн параметров можно скачать бесплатно
Компания Alibaba 3 августа 2026 года выпустила Qwen3.8-Max, языковую модель на 2,4 триллиона параметров с контекстом в миллион токенов (примерно три-четыре…

Что такое ИИ-агент: стек от PydanticAI до MCP, который спрашивают на собеседованиях
Материал описывает не инвестиционную сделку, а обзор технологического стека для агентных инженеров. Архетип «funding» здесь не применим напрямую: в источнике…
Комментарии