云监控 2.0 与 Agent 可观测让 Agent 看懂系统，也看懂 Agent 自己

在 2026 云栖大会上，阿里云把云监控 2.0 升级为面向 Agentic Ops 的全域统一可观测平台，核心思路一句话就能说清：观测边界要同时往两个方向扩张 —— 向下把跨云、跨栈、多云的生产事实整理成 Agent 能直接消费的可信数据，让 Agent 看得懂系统；向上把 Agent 自己的运行轨迹、Token 成本、调用质量和风险也纳入观测，让人看得懂 Agent。这套平台同时覆盖 Observability by Agents（用 Agent 观测系统）和 Observability of Agents（观测 Agent 本身），两种能力共享同一个数据底座，最终目标是把 "问题被看见" 一直延伸到 "问题被受控解决"。

为什么以前的监控体系不够用了

把 Agent 从演示 Demo 推进到生产环境，企业普遍会撞上三道墙：

• 数据采不到：指标、日志、调用链、事件散落在不同系统里，从发现异常到定位根因主要靠少数专家，Agent 拿不到完整事实。
• 上下文读不懂：原始观测数据缺少统一语义，Agent 不知道一条数据对应哪个实体、依赖关系是什么，也不知道该按什么流程诊断。
• 能力验不准：Agent 自身行为难解释、效果难评估，Bad Case 沉淀不下来，成功经验也复制不出去。

变化的根源是读取数据的 "第一用户" 正在更替：运维从人工运维、AIOps、问答助手，走向目标驱动、自主闭环的 Agentic Ops。据 IDC《Agent Adoption》报告，全球活跃部署的 AI Agent 数量四年间增长约 40 倍，读数据的主体已经不再是人，可观测体系的责任自然也要跟着变。

云监控 2.0 是怎么把系统交给 Agent 看懂的

面向 Observability by Agents，云监控 2.0 用 "接入 — 治理 — 语义 — 巡检 — 根因" 一条链路，把生产事实交到 Agent 手上。

1. 接入端：500+ 云服务与组件，跨云跨账号

观测范围从 Agent、终端、应用，一直延伸到中间件、基础设施、多云和开源数据源。接入方式不再靠填表，而是走目标驱动的五步闭环：

1. 意图输入：Agent 描述目标；
2. 智能发现：识别云、账号与数据源；
3. 生成方案：匹配组件与参数；
4. Preview 授权：确认范围与将发生的变化；
5. 部署并验证：启动采集、查询真实样本，接入终点以真实数据可用为准，而不是配置成功。

2. 治理端：把原始数据加工成生产事实

可观测 Pipeline 经过标准化、组织化、可信化三段处理，把指标、日志、调用链、事件、元数据等原始观测数据，加工成带来源、新鲜度、语义、质量与成本边界的 "生产事实"，而不是一堆未经清洗的原始数据。

3. 语义端：UModel 给生产系统画出语义地图

语义层借助 UModel 构建面向生产系统的完整语义地图：用 EntitySet 描述实体，用 LogSet、MetricSet、TraceSet 组织数据，用关系链路串联依赖，用 RunbookSet 沉淀诊断与操作知识，再由 SPL 提供统一查询。

4. 安全入口：把推理留给模型，把事实交给监控

云监控 2.0 通过三类入口开放能力，共享同一套覆盖数据接入、计算、存储、消费全生命周期的底座：

• Skill（方法层）；
• CMS2 CLI（执行层）；
• CMS Cloud MCP（连接层）。

三类入口遵循同一份安全契约：查询与调查只读默认、优先开放；写操作与自动执行走独立授权，先 Preview 变化范围、再显式确认、执行后回读复验；Agent 权限始终不高于发起用户，身份、范围、参数与结果全程留痕。

Agent 自己又是怎么被看懂的

面向 Observability of Agents，云监控 2.0 把 Agent 自身纳入可观测，针对全栈链路难贯通、执行过程难解释、异常根因难下钻三大难题，提供从用户层到 AI Infra 基础设施层的 AI 全栈可观测。

接入路径上，云监控 2.0 提供两类方式：人工集成由开发者按文档接入；无侵入集成基于 OpenTelemetry 和 eBPF 技术（OBI），不改应用代码、不装 SDK，即可自动识别 LLM、Embedding、Rerank、RAG、MCP、Tool 等 AI 调用类型并生成可观测数据。

配套的 AgentLoop：让观测结果能评估、能改进

在云监控 2.0 之上，AgentLoop 作为企业级 Agent 观测与优化平台，以全栈观测、效果评估、持续优化、实验回测为主线：

• 观测采集：LoongSuite × AgentSight 以四种语言探针加 eBPF 零代码插桩，去重覆盖 40+ 框架，把 LangChain、AgentScope、Dify 以及 Claude Code、Cursor、MCP 等统一接入，还原推理轨迹、Token 成本与工具调用；
• 效果评估：Agent-as-a-Judge 用 Agent 当评委，加载工具与 Skill、学习企业私域知识，输出理由与可回溯 Trace，经人类专家二次复核后评估正确率达 90% 以上；
• 归因优化：把评分结果转译成可执行改进动作，沿 Prompt、Tool、Knowledge、Planning、Memory、Model、Policy 逐一定位；
• 实验回测：锁定基线、离线回归、小流量 A/B、变更门禁、灰度发布五步，任一核心指标未过阈值即阻断或回滚。

整体落地逻辑

把上面几层串起来看，云监控 2.0 做的事情可以归纳为一条闭环：先通过全栈、多云、智能接入把观测事实采全；再经过治理和语义建模，让 Agent 看得懂每条数据指向哪个对象；然后靠智能巡检和证据化根因定位把问题收敛出来；最后通过受控入口把判断变成可追溯的行动。由于观测 Agent 所产生的数据，正是 Agent 观测系统所依赖的那套事实，两个方向共用同一个底座，企业才能真正把 Agent 从 "能演示" 推到 "进生产"。

【相关 FAQ】

问题 1：云监控 2.0 里说的 "看懂系统" 和 "看懂 Agent" 分别指什么？

回答 1："看懂系统" 是指 Observability by Agents，云监控 2.0 把跨云跨栈的指标、日志、链路、事件治理成语义清晰的生产事实，让 Agent 能直接查询和诊断传统系统；"看懂 Agent" 是指 Observability of Agents，把 Agent 的推理轨迹、工具调用、Token 成本、质量与风险逐层纳入观测，让人也能看清 Agent 自己跑得怎么样。

问题 2：接入云监控 2.0 监控现有 Agent，必须改代码吗？

回答 2：不一定。云监控 2.0 提供人工集成和无侵入集成两条路径；无侵入集成基于 OpenTelemetry 与 eBPF（OBI），无需修改应用代码或安装 SDK，就能自动识别 LLM、RAG、MCP、Tool 等调用并生成可观测数据，适合不便改造的存量 Agent。

问题 3：云监控 2.0 的语义建模靠什么保证 Agent 读懂数据？

回答 3：靠 UModel 语义地图。它内置 3200+ 模型定义，覆盖 10 大观测域、214 个模型分组，用 EntitySet、LogSet、MetricSet、TraceSet 和关系链路把实体与数据组织起来，再配 RunbookSet 沉淀诊断知识，让 Agent 明确每条数据指向哪个对象、该沿什么路径调查。

问题 4：Agent 通过云监控 2.0 执行写操作或变更时，安全怎么保障？

回答 4：查询与调查默认只读并优先开放；写操作与自动执行走独立授权，先 Preview 变化范围、再显式确认、执行后回读复验；Agent 权限始终不高于发起用户，身份、范围、参数与结果全程留痕，关键变更还会由人工确认，命中禁止规则的操作直接拦截。

【参考资料】

• [2026-11-10]（阿里云发布 AgenticOps 全栈能力，让 Agent 成为运维与研发的第一用户）阿里云开发者社区
• [2026-11-10]（云栖盘点丨阿里云云原生 11 项发布加速企业级 Agent 进生产）阿里云开发者社区
• [2026-11-03]（AI Agent Observability integration overview）阿里云帮助中心
• [2026-10-28]（AI 可观测：编码 Agent 全链路追踪）阿里云帮助中心
• [2026-09-21]（AI Agent 可观测接入总览）阿里云帮助中心
• [2026-09-04]（AI 可观测：智能客服 Agent 全链路诊断）阿里云帮助中心
• [2026-07-28]（通过 OpenTelemetry 无侵入监控（OBI）接入 AI Agent 可观测）阿里云帮助中心

【免责声明】

本文内容基于公开报道、阿里云官方文档及云栖大会公开分享整理，仅用于技术交流与信息参考，不构成任何采购、选型或使用建议。文中涉及的产品能力、接入规模、指标数据（如模型定义数量、框架覆盖数、评估正确率等）均以官方最新发布为准；不同账号、地域与产品版本的实际可用能力可能存在差异，具体请以阿里云官方帮助中心及控制台实际展示为准。如内容存在疏漏或与官方信息不一致，欢迎以官方资料为准进行核对。