エージェントの監視

重要

Microsoft Agent 365 の早期アクセスを利用するには、フロンティアプレビュープログラムに参加する必要があります。フロンティアは、Microsoft の最新の AI イノベーションと直接接続します。 Frontier のプレビューは、お客様の契約書に記載されている既存のプレビュー利用規約に従います。これらの機能は現在開発中であるため、提供状況や機能は今後変更される可能性があります。

Agent 365 エコシステムに参加するには、エージェントに Agent 365 監視機能を追加する必要があります。 Agent 365 監視は、OpenTelemetry (OTel) 上に構築され、すべてのエージェントプラットフォームでテレメトリを一貫して安全にキャプチャするための統合フレームワークを提供します。この必須コンポーネントを実装することで、IT 管理者は Microsoft 管理センター (MAC) でエージェントの活動を監視し、セキュリティチームがコンプライアンスと脅威の検出に Defender と Purview を使用することができるようになります。

主な利点

エンドツーエンドの可視性: セッション、ツール呼び出し、例外など、すべてのエージェント呼び出しの包括的なテレメトリをキャプチャし、プラットフォーム間で完全なトレーサビリティを提供します。
セキュリティ & コンプライアンスの有効化: 統合監査ログを Defender と Purview にフィードし、エージェントの詳細なセキュリティシナリオとコンプライアンスレポートを有効にします。
クロスプラットフォームの柔軟性: OTel 標準に基づいて構築し、Copilot Studio、Foundry、将来のエージェントフレームワークなどの多様なランタイムとプラットフォームをサポートします。
管理者の運用効率: MAC で集中管理された監視を提供し、エージェントを管理する IT チームのロールベースのアクセス制御を使用して、トラブルシューティング時間を短縮し、ガバナンスを向上させます。

インストール

次のコマンドを使用して、Agent 365 でサポートされている言語の監視モジュールをインストールします。

pip install microsoft-agents-a365-observability-core
pip install microsoft-agents-a365-runtime

npm install @microsoft/agents-a365-observability
npm install @microsoft/agents-a365-runtime

dotnet add package Microsoft.Agents.A365.Observability
dotnet add package Microsoft.Agents.A365.Observability.Runtime

構成

以下の設定を使って、エージェントのエージェントのAgent 365 Observabilityを有効にしてカスタマイズしてください。

監視に必要な環境変数は次のとおりです:

環境変数	プロパティ
`ENABLE_OBSERVABILITY=true`	トレースを有効または無効にするフラグ。既定では `false`
`ENABLE_A365_OBSERVABILITY_EXPORTER=true`	`True` ログをサービスにエクスポートします。それ以外の場合は、コンソールエクスポーターにフォールバックします

from microsoft_agents_a365.observability.core import config

def token_resolver(agent_id: str, tenant_id: str) -> str | None:
    # Implement secure token retrieval here
    return "Bearer <token>"

config.configure(
    service_name="my-agent-service",
    service_namespace="my.namespace",
    token_resolver=token_resolver,
)

コンソールにログを記録するトークンリゾルバーを除外します。

監視に必要な環境変数は次のとおりです:

環境変数	プロパティ
`ENABLE_OBSERVABILITY=true`	トレースを有効または無効にするフラグ。既定では `false`
`ENABLE_A365_OBSERVABILITY_EXPORTER=true`	`True` はサービスにログをエクスポートします。それ以外の場合は、コンソールエクスポーターにフォールバックします

import { ObservabilityManager } from '@microsoft/agents-a365-observability';

const tokenResolver = (agentId, tenantId) => {
    // Your token resolution logic here
    return "your-token";
};

// Advanced configuration with builder pattern
const builder = ObservabilityManager.configure(builder =>
  builder
    .withService('my-agent-service', '1.0.0')
    .withTokenResolver((agentId, tenantId) => {
      return tokenResolver(agentId, tenantId);
    })
);

builder.start();

EnableAgent365Exporter で true を appsettings.json に設定します。

Program.cs で、サービスコレクションに Agent365ExporterOptions を追加します。この変更により、トレースエクスポーターがトークンの取得に使用する代理人が構成されます。

AddA365Tracing() を使用して、監視関連の依存関係を追加します。

using Microsoft.Agents.A365.Observability.Runtime;

var builder = WebApplication.CreateBuilder(args);

builder.Services.AddSingleton(sp =>
    {
        return new Agent365ExporterOptions
        {
            ClusterCategory = "prod",
            TokenResolver = async (agentId, tenantId) =>
            {
                // It's recommended to implement caching in your token provider for performance.
                var token = await tokenProvider.GetObservabilityTokenAsync(agentId, tenantId);
                return token;
            }
        };
    });

builder.AddA365Tracing();

バゲッジ属性

BaggageBuilder を使用して、要求のすべてのスパンを流れるコンテキスト情報を設定します。 SDK は、既存の属性を上書きすることなく、空でないすべてのバゲッジエントリを新しく開始されたスパンにコピーする SpanProcessor を実装します。

from microsoft_agents_a365.observability.core.middleware.baggage_builder import BaggageBuilder

with (
    BaggageBuilder()
    .tenant_id("tenant-123")
    .agent_id("agent-456")
    .correlation_id("corr-789")
    .build()
):
    # Any spans started in this context will receive these as attributes
    pass

import { BaggageBuilder } from '@microsoft/agents-a365-observability';

// Create and apply baggage context
using baggageScope = new BaggageBuilder()
  // Core identifiers
  .tenantId('tenant-123')
  .agentId('agent-456')
  .correlationId('correlation-789')  
  .build();

// Execute operations within the baggage context
baggageScope.run(() => {
  // All spans created within this context will inherit the baggage values
  
  // Invoke another agent
  using agentScope = InvokeAgentScope.start(invokeDetails, agentDetails, tenantDetails);
  // ... agent logic
  
  // Execute tools
  using toolScope = ExecuteToolScope.start(toolDetails, agentDetails, tenantDetails);
  // ... tool logic
});

 using var baggageScope = new BaggageBuilder()
          .TenantId('tenant-123')
          .AgentId('agent-456')
          .CorrelationId('correlation-789')
          .Build();
// Any spans started in this context will receive them as attributes.

トークンリゾルバー

Agent 365 エクスポーターを使用する場合は、認証トークンを返すトークンリゾルバー関数を指定する必要があります。エージェントホスティングフレームワークで Agent 365 監視 SDK を使用する場合は、エージェント活動の TurnContext を使用してトークンを生成できます

from microsoft_agents.activity import load_configuration_from_env
from microsoft_agents.authentication.msal import MsalConnectionManager
from microsoft_agents.hosting.aiohttp import CloudAdapter
from microsoft_agents.hosting.core import (
    AgentApplication,
    Authorization,
    MemoryStorage,
    TurnContext,
    TurnState,
)
from microsoft_agents_a365.runtime.environment_utils import (
    get_observability_authentication_scope,
)

agents_sdk_config = load_configuration_from_env(environ)

STORAGE = MemoryStorage()
CONNECTION_MANAGER = MsalConnectionManager(**agents_sdk_config)
ADAPTER = CloudAdapter(connection_manager=CONNECTION_MANAGER)
ADAPTER.use(TranscriptLoggerMiddleware(ConsoleTranscriptLogger()))
AUTHORIZATION = Authorization(STORAGE, CONNECTION_MANAGER, **agents_sdk_config)

AGENT_APP = AgentApplication[TurnState](
    storage=STORAGE, adapter=ADAPTER, authorization=AUTHORIZATION, **agents_sdk_config
)

@AGENT_APP.activity("message", auth_handlers=["AGENTIC"])
async def on_message(context: TurnContext, _state: TurnState):
    aau_auth_token = await AGENT_APP.auth.exchange_token(
                        context,
                        scopes=get_observability_authentication_scope(),
                        auth_handler_id="AGENTIC",
                    )
    # cache this auth token and return via token resolver

import {
  TurnState,
  AgentApplication,
  MemoryStorage,
  TurnContext,
} from '@microsoft/agents-hosting';
import { Activity, ActivityTypes } from '@microsoft/agents-activity';
import { getObservabilityAuthenticationScope } from '@microsoft/agents-a365-runtime';

interface ConversationState {
  count: number;
}
type ApplicationTurnState = TurnState<ConversationState>;

const downloader = new AttachmentDownloader();

const storage = new MemoryStorage();

export const agentApplication = new AgentApplication<ApplicationTurnState>({
  authorization: {
        agentic: { } // We have the type and scopes set in the .env file
      },
  storage,
});

agentApplication.onActivity(
  ActivityTypes.Message,
  async (context: TurnContext, state: ApplicationTurnState) => {
    const aauAuthToken = await agentApplication.authorization.exchangeToken(context,'agentic', {
        scopes: getObservabilityAuthenticationScope() 
      } )
    // cache this auth token and return via token resolver
  };

エージェンティックトークンリゾルバーをサービスコレクションに追加します。

using Microsoft.Agents.A365.Observability;

builder.Services.AddAgenticTracingExporter();

エージェントアプリケーションで、トークンを登録します。

using Microsoft.Agents.Builder;
using Microsoft.Agents.Core.Models;
using Microsoft.Extensions.Logging;
using Microsoft.Agents.A365.Observability.Caching;
using System;
using System.Threading.Tasks;

public class MyAgent : AgentApplication
{
    private readonly IExporterTokenCache<AgenticTokenStruct> _agentTokenCache;
    private readonly ILogger<MyAgent> _logger;

    public MyAgent(AgentApplicationOptions options, IExporterTokenCache<AgenticTokenStruct> agentTokenCache, ILogger<MyAgent> logger)
        : base(options)
    {
        _agentTokenCache = agentTokenCache ?? throw new ArgumentNullException(nameof(agentTokenCache));
        _logger = logger ?? throw new ArgumentNullException(nameof(logger));
    }

    protected async Task MessageActivityAsync(ITurnContext turnContext, ITurnState turnState, CancellationToken cancellationToken)
    {
        using var baggageScope = new BaggageBuilder()
            .TenantId(turnContext.Activity.Recipient.TenantId)
            .AgentId(turnContext.Activity.Recipient.AgenticAppId)
            .Build();

        try
        {
            _agentTokenCache.RegisterObservability(
                turnContext.Activity.Recipient.AgenticAppId,
                turnContext.Activity.Recipient.TenantId,
                new AgenticTokenStruct
                {
                    UserAuthorization = UserAuthorization,
                    TurnContext = turnContext
                },
                EnvironmentUtils.GetObservabilityAuthenticationScope()
            );
        }
        catch (Exception ex)
        {
            _logger.LogWarning($"Error registering for observability: {ex.Message}");
        }
    }
}

自動インストルメンテーション

自動インストルメンテーションは、エージェンティックフレームワーク (SDK) の既存のテレメトリ信号をトレース用に自動的にリッスンし、それらを Agent 365 監視サービスに転送します。これにより、開発者は監視コードを手動で記述する必要がなくなり、セットアップが簡略化され、一貫したパフォーマンス追跡が保証されます。

自動インストルメンテーションは、複数の SDK とプラットフォームでサポートされています:

プラットフォーム	サポートされている SDK / フレームワーク
.NET	Semantic Kernel、OpenAI、Agent Framework
Python	Semantic Kernel、OpenAI、Agent Framework、LangChain
Node.js	OpenAI

注意

自動インストルメンテーションのサポートは、プラットフォームと SDK の実装によって異なります。

セマンティックカーネル

自動インストルメンテーションにはバゲッジビルダーの使用が必要です。 BaggageBuilder を使用してエージェント ID とテナント ID を設定します。

パッケージをインストールする

pip install microsoft-agents-a365-observability-extensions-semantic-kernel

可観測性を構成する

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.semantic_kernel import SemanticKernelInstrumentor

# Configure observability
configure(
    service_name="my-semantic-kernel-agent",
    service_namespace="ai.agents"
)

# Enable auto-instrumentation
instrumentor = SemanticKernelInstrumentor()
instrumentor.instrument()

# Your Semantic Kernel code is now automatically traced

依存関係をサービスコレクションに追加します。

using Microsoft.Agents.A365.Observability.Extensions.SemanticKernel;

builder.Services.AddTracing(config => config.WithSemanticKernel());

AgentId を使用して TenantId と BaggageBuilder を設定します。 ChatCompletionAgent の作成時に使用される ID が、BaggageBuilder に渡されたエージェント ID と一致することを確認します。

using Microsoft.Agents.A365.Observability.Extensions.SemanticKernel;
using Microsoft.Agents.A365.Observability.Runtime.Common;
public class MyAgent
{
    public async Task<AgentResponse> ProcessUserRequest(string userInput)
    {
      using var baggageScope = new BaggageBuilder()
          .AgentId(<your-agent-id>) // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. 
          .TenantId(<your-tenant-id>) // NOTE: This will be the tenant ID with which the TokenResolver delegate is invoked.
          .Build();
      
      var chatCompletionAgent = new ChatCompletionAgent
      {
          // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. Should match above.
          Id = <your-agent-id>,
          ...
      };
    }
}

OpenAI

自動インストルメンテーションにはバゲッジビルダーの使用が必要です。 BaggageBuilder を使用してエージェント ID とテナント ID を設定します。

パッケージをインストールします。

pip install microsoft-agents-a365-observability-extensions-openai

監視を構成します。

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.openai_agents import OpenAIAgentsTraceInstrumentor

# Configure observability
configure(
    service_name="my-openai-agent",
    service_namespace="ai.agents"
)

# Enable auto-instrumentation
instrumentor = OpenAIAgentsTraceInstrumentor()
instrumentor.instrument()

# Your OpenAI Agents code is now automatically traced

パッケージをインストールする

npm install @microsoft/agents-a365-observability-extensions-openai

可観測性を構成する

import { ObservabilityManager } from '@microsoft/agents-a365-observability';
import { OpenAIAgentsTraceInstrumentor } from '@microsoft/agents-a365-observability-extensions-openai';

// Configure observability first
const sdk = ObservabilityManager.configure((builder) =>
  builder
    .withService('My Agent Service', '1.0.0')
    .withConsoleExporter(true)
);

// Create and enable the instrumentor
const instrumentor = new OpenAIAgentsTraceInstrumentor({
  enabled: true,
  tracerName: 'openai-agents-tracer',
  tracerVersion: '1.0.0'
});

sdk.start();

instrumentor.enable();

依存関係をサービスコレクションに追加します。

using Microsoft.Agents.A365.Observability.Extensions.OpenAI;

builder.Services.AddTracing(config => config.WithOpenAI());

AgentId を使用して TenantId と BaggageBuilder を設定します。ツール呼び出しの場合は、Trace() インスタンスで ChatToolCall を使用してトレースを開始します。

using Microsoft.Agents.A365.Observability.Extensions.OpenAI;
using Microsoft.Agents.A365.Observability.Runtime.Common;

public class MyAgent
{
    public async Task<AgentResponse> ProcessUserRequest(string userInput)
    {
      using var baggageScope = new BaggageBuilder()
          .AgentId(<your-agent-id>) // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. 
          .TenantId(<your-tenant-id>) // NOTE: This will be the tenant ID with which the TokenResolver delegate is invoked.
          .Build();
      
      // NOTE: This will be the agent and tenant ID with which the TokenResolver delegate will be invoked. 
      using var scope = chatToolCall.Trace(agentId: <your-agent-id>, <your-tenant-id>);
    }
}

エージェントフレームワーク

自動インストルメンテーションにはバゲッジビルダーの使用が必要です。 BaggageBuilder を使用してエージェント ID とテナント ID を設定します。

パッケージをインストールする

pip install microsoft-agents-a365-observability-extensions-agent-framework

可観測性を構成する

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.agentframework.trace_instrumentor import (
    AgentFrameworkInstrumentor,
)

# Configure observability
configure(
    service_name="AgentFrameworkTracingWithAzureOpenAI",
    service_namespace="AgentFrameworkTesting",
)

# Enable auto-instrumentation
AgentFrameworkInstrumentor().instrument()

依存関係をサービスコレクションに追加します。

using Microsoft.Agents.A365.Observability.Extensions.AgentFramework;

builder.Services.AddTracing(config => config.WithAgentFramework());

AgentId を使用して TenantId と BaggageBuilder を設定します。

using Microsoft.Agents.A365.Observability.Runtime.Common;

public class MyAgent : AgentApplication
{
    protected async Task MessageActivityAsync(ITurnContext turnContext, ITurnState turnState, CancellationToken cancellationToken)
    {
      using var baggageScope = new BaggageBuilder()
          .AgentId(<your-agent-id>) // NOTE: This will be the agent ID with which the TokenResolver delegate is invoked. 
          .TenantId(<your-tenant-id>) // NOTE: This will be the tenant ID with which the TokenResolver delegate is invoked.
          .Build();
    }
}

LangChain フレームワーク

自動インストルメンテーションにはバゲッジビルダーの使用が必要です。 BaggageBuilder を使用してエージェント ID とテナント ID を設定します。

パッケージをインストールします。

pip install microsoft-agents-a365-observability-extensions-langchain

可観測性を構成する

from microsoft_agents_a365.observability.core.config import configure
from microsoft_agents_a365.observability.extensions.langchain import CustomLangChainInstrumentor

# Configure observability
configure(
    service_name="my-langchain-agent",
    service_namespace="ai.agents"
)

# Enable auto-instrumentation
CustomLangChainInstrumentor()

# Your LangChain code is now automatically traced

手動インストルメンテーション

Agent 365 監視 SDK を使用して、エージェントの内部動作を理解できます。 SDK には、開始可能な 3 つのスコープが用意されています: InvokeAgentScope、ExecuteToolScope、InferenceScope。

エージェント呼び出し

このスコープは、エージェントプロセスの開始時に使用する必要があります。エージェントの呼び出しスコープでは、現在呼び出されているエージェント、エージェントユーザーデータなどのプロパティをキャプチャします。

from microsoft_agents_a365.observability.core.invoke_agent_scope import InvokeAgentScope
from microsoft_agents_a365.observability.core.invoke_agent_details import InvokeAgentDetails
from microsoft_agents_a365.observability.core.tenant_details import TenantDetails
from microsoft_agents_a365.observability.core.request import Request

invoke_details = InvokeAgentDetails(
    details=agent_details,        # AgentDetails instance
    endpoint=my_endpoint,         # Optional endpoint (with hostname/port)
    session_id="session-42"
)
tenant_details = TenantDetails(tenant_id="tenant-123")
req = Request(content="User asks a question")

with InvokeAgentScope.start(invoke_details, tenant_details, req):
    # Perform agent invocation logic
    response = call_agent(...)

import { 
  InvokeAgentScope, 
  ExecutionType, 
  CallerDetails, 
  EnhancedAgentDetails 
} from '@microsoft/agents-a365-observability';

// Basic agent invocation details
const invokeDetails = {
  agentId: 'email-agent-123',
  agentName: 'Email Assistant',
  ...
  }
};

const tenantDetails = {
  tenantId: 'tenant-789'
};

// Optional: Caller details (human user)
const callerDetails: CallerDetails = {};

// Optional: Caller agent details (for agent-to-agent calls)
const callerAgentDetails: EnhancedAgentDetails = {};

// Enhanced invocation with caller context
using scope = InvokeAgentScope.start(
  invokeDetails,
  tenantDetails,
  callerAgentDetails,
  callerDetails
);

try {
  // Record input messages
  scope.recordInputMessages(['Please help me organize my emails', 'Focus on urgent items']);
  
  // Your agent invocation logic here
  const response = await invokeAgent(invokeDetails.request.content);
  
  // Record output messages
  scope.recordOutputMessages(['I found 15 urgent emails', 'Here is your organized inbox']);
  
} catch (error) {
  scope.recordError(error as Error);
  throw error;
}
// Scope automatically disposed at end of using block

using System;
using System.Threading.Tasks;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Contracts;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Scopes;

public class MyAgent
{
    public async Task<AgentResponse> ProcessUserRequest(string userInput)
    {
        var agentDetails = new AgentDetails(
            agentId: Guid.NewGuid().ToString(),
            agentName: "MyAgent",
            agentDescription: "Handles user requests.",
            tenantId: "tenant-789"
        );

        var tenantDetails = new TenantDetails(Guid.Parse("11111111-2222-3333-4444-555555555555"));

        var request = new Request(
            content: userInput,
            executionType: ExecutionType.HumanToAgent,
            sessionId: "session-abc",
            channelMetadata: new ChannelMetadata("webchat", "https://webchat.contoso.com")
        );

        var callerDetails = new CallerDetails(
            callerId: "user-123",
            callerName: "Jane Doe",
            callerUpn: "jane.doe@contoso.com",
            callerUserId: "user-uuid-456",
            tenantId: "tenant-789"
        );

        var endpoint = new Uri("https://myagent.contoso.com");

        var invokeAgentDetails = new InvokeAgentDetails(endpoint, agentDetails, sessionId: "session-abc");

        var conversationId = "conv-xyz";

        // Start the scope
        using var scope = InvokeAgentScope.Start(
            invokeAgentDetails: invokeAgentDetails,
            tenantDetails: tenantDetails,
            request: request,
            callerAgentDetails: null,
            callerDetails: callerDetails,
            conversationId: conversationId
        );

        // Record input messages
        scope.RecordInputMessages(new[] { userInput });

        // ... your agent logic here ...

        // Simulate agent processing and output
        var output = $"Processed: {userInput}";
        scope.RecordOutputMessages(new[] { output });

        // Optionally record a single response
        scope.RecordResponse(output);

        return new AgentResponse { Content = output };
    }
}

public class AgentResponse
{
    public string Content { get; set; }
}

ツールの実行

次の例では、監視と監査の目的でテレメトリをキャプチャするために、監視追跡を使用してエージェントのツール実行をインストルメント化する方法を示します。

from microsoft_agents_a365.observability.core.execute_tool_scope import ExecuteToolScope
from microsoft_agents_a365.observability.core.tool_call_details import ToolCallDetails

tool_details = ToolCallDetails(
    tool_name="summarize",
    tool_type="function",
    tool_call_id="tc-001",
    arguments="{'text': '...'}",
    description="Summarize provided text",
    endpoint=None  # or endpoint object with hostname/port
)

with ExecuteToolScope.start(tool_details, agent_details, tenant_details):
    result = run_tool(tool_details)

import { ExecuteToolScope } from '@microsoft/agents-a365-observability';

const toolDetails = {
  toolName: 'email-search',
  arguments: JSON.stringify({ query: 'from:boss@company.com', limit: 10 }),
  toolCallId: 'tool-call-456',
  description: 'Search emails by criteria',
  toolType: 'function',
  endpoint: {
    host: 'tools.contoso.com',
    port: 8080,  // Will be recorded since not 443
    protocol: 'https'
  }
};

using scope = ExecuteToolScope.start(toolDetails, agentDetails, tenantDetails);

try {
  // Execute the tool
  const result = await searchEmails(toolDetails.arguments);
  
  // Record the tool execution result
  scope.recordResponse(JSON.stringify(result));
  
  return result;
} catch (error) {
  scope.recordError(error as Error);
  throw error;
}

using System;
using System.Threading.Tasks;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Contracts;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Scopes;

public class MyToolAgent
{
    public async Task<ToolResult> ExecuteTool(string toolName, object parameters)
    {
        var agentDetails = new AgentDetails(
            agentId: Guid.NewGuid().ToString(),
            agentName: "ToolAgent",
            agentDescription: "Executes tools for users.",
            agentAUID: "tool-auid-123",
            agentUPN: "toolagent@contoso.com",
            agentBlueprintId: "tool-blueprint-456",
            agentType: AgentType.EntraEmbodied,
            tenantId: "tenant-789"
        );

        var tenantDetails = new TenantDetails(Guid.Parse("11111111-2222-3333-4444-555555555555"));

        var endpoint = new Uri("https://toolagent.contoso.com:8443");

        var toolCallDetails = new ToolCallDetails(
            toolName: toolName,
            arguments: System.Text.Json.JsonSerializer.Serialize(parameters),
            toolCallId: Guid.NewGuid().ToString(),
            description: "Runs a tool operation.",
            toolType: "custom-type",
            endpoint: endpoint
        );

        // Start the scope
        using var scope = ExecuteToolScope.Start(
            toolCallDetails: toolCallDetails,
            agentDetails: agentDetails,
            tenantDetails: tenantDetails
        );

        // ... your tool logic here ...

        // Record response
        var toolOutput = $"Tool '{toolName}' processed with parameters: {System.Text.Json.JsonSerializer.Serialize(parameters)}";
        scope.RecordResponse(toolOutput);

        return new ToolResult { Output = toolOutput };
    }
}

public class ToolResult
{
    public string Output { get; set; }
}

推論

次の例では、監視追跡を使用して AI モデル推論呼び出しをインストルメント化して、トークンの使用状況、モデルの詳細、応答メタデータをキャプチャする方法を示します。

from microsoft_agents_a365.observability.core.inference_scope import InferenceScope
from microsoft_agents_a365.observability.core.inference_call_details import InferenceCallDetails
from microsoft_agents_a365.observability.core.request import Request

inference_details = InferenceCallDetails(
    operationName=SomeEnumOrValue("chat"),
    model="gpt-4o-mini",
    providerName="azure-openai",
    inputTokens=123,
    outputTokens=456,
    finishReasons=["stop"],
    responseId="resp-987"
)
req = Request(content="Explain quantum computing simply.")

with InferenceScope.start(inference_details, agent_details, tenant_details, req):
    completion = call_llm(...)

import { InferenceScope, InferenceOperationType } from '@microsoft/agents-a365-observability';

const inferenceDetails = {
  operationName: InferenceOperationType.CHAT,
  model: 'gpt-4',
  providerName: 'openai',
  inputTokens: 150,
  outputTokens: 75,
  finishReasons: ['stop'],
  responseId: 'resp-123456'
};

using scope = InferenceScope.start(inferenceDetails, agentDetails, tenantDetails);

try {
  // Record input messages
  scope.recordInputMessages(['Summarize the following emails for me...']);
  
  // Call the LLM
  const response = await callLLM();
  
  // Record detailed telemetry with granular methods
  scope.recordOutputMessages(['Here is your email summary...']);
  scope.recordInputTokens(145);  // Update if different from constructor
  scope.recordOutputTokens(82);  // Update if different from constructor
  scope.recordResponseId('resp-789123');
  scope.recordFinishReasons(['stop', 'max_tokens']);
  
  return response.text;
} catch (error) {
  scope.recordError(error as Error);
  throw error;
}

using System;
using System.Threading.Tasks;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Contracts;
using Microsoft.Agents.A365.Observability.Runtime.Tracing.Scopes;

public class MyInferenceAgent
{
    public async Task<InferenceResult> RunInference(string input)
    {
        var agentDetails = new AgentDetails(
            agentId: Guid.NewGuid().ToString(),
            agentName: "InferenceAgent",
            agentDescription: "Performs generative AI inference.",
            agentAUID: "inference-auid-123",
            agentUPN: "inferenceagent@contoso.com",
            agentBlueprintId: "inference-blueprint-456",
            agentType: AgentType.EntraEmbodied,
            tenantId: "tenant-789"
        );

        var tenantDetails = new TenantDetails(Guid.Parse("11111111-2222-3333-4444-555555555555"));

        var inferenceDetails = new InferenceCallDetails(
            operationName: InferenceOperationType.Chat,
            model: "gpt-4",
            providerName: "OpenAI",
            inputTokens: 42,
            outputTokens: 84,
            finishReasons: new[] { "stop", "length" },
            responseId: "response-xyz"
        );

        // Start the scope
        using var scope = InferenceScope.Start(
            details: inferenceDetails,
            agentDetails: agentDetails,
            tenantDetails: tenantDetails
        );

        // ... your inference logic here ...

        // Record input/output messages and other telemetry
        scope.RecordInputMessages(new[] { input, "additional context" });
        scope.RecordOutputMessages(new[] { "AI response message" });
        scope.RecordInputTokens(42);
        scope.RecordOutputTokens(84);
        scope.RecordResponseId("response-xyz");
        scope.RecordFinishReasons(new[] { "stop", "length" });
        scope.RecordThoughtProcess("Reasoning step 1; step 2");

        return new InferenceResult { Output = "AI response message" };
    }
}

public class InferenceResult
{
    public string Output { get; set; }
}

ローカルで検証する

観察可能性SDKとの統合が成功しているかを確認するために、エージェントが生成したコンソールログを確認してください。

ENABLE_A365_OBSERVABILITY_EXPORTER 環境変数を false に設定します。これにより、コンソールにスパン (トレース) をエクスポートします。

サンプルログ

ログはプラットフォームによって少し見た目が異なるかもしれません。

Console log Invoke agent span

この例は、ローカル検証が有効化された際にコンソールのエクスポーターによって印刷される典型的なインボークエージェントのスパンを示しています。

    {
    "name": "invoke_agent Azure OpenAI Agent",
    "context": {
        "trace_id": "0x4bd8f606688c3f3347d69c1b6539c957",
        "span_id": "0x0766d68605234692",
        "trace_state": "[]"
    },
    "kind": "SpanKind.CLIENT",
    "parent_id": null,
    "start_time": "2025-11-24T16:16:54.017403Z",
    "end_time": "2025-11-24T16:17:09.373357Z",
    "status": {
        "status_code": "UNSET"
    },
    "attributes": {
        "operation.source": "SDK",
        "correlation.id": "aaaa0000-bb11-2222-33cc-444444dddddd",
        "gen_ai.conversation.item.link": "http://localhost:56150/_connector",
        "gen_ai.agent.upn": "Delivery Agent",
        "gen_ai.agent.user.id": "aaaaaaaa-bbbb-cccc-1111-222222222222",
        "gen_ai.caller.id": "bbbbbbbb-cccc-dddd-2222-333333333333",
        "gen_ai.caller.name": "Alex Wilber",
        "gen_ai.caller.upn": "Sample UPN",
        "gen_ai.channel.name": "msteams",
        "gen_ai.system": "az.ai.agent365",
        "gen_ai.operation.name": "invoke_agent",
        "gen_ai.agent.id": "aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb",
        "gen_ai.agent.name": "Azure OpenAI Agent",
        "gen_ai.agent.description": "An AI agent powered by Azure OpenAI",
        "gen_ai.agent.applicationid": "00001111-aaaa-2222-bbbb-3333cccc4444",
        "gen_ai.conversation.id": "__PERSONAL_CHAT_ID__",
        "tenant.id": "aaaabbbb-0000-cccc-1111-dddd2222eeee",
        "session.id": "__PERSONAL_CHAT_ID__",
        "gen_ai.execution.type": "HumanToAgent",
        "gen_ai.input.messages": "[\"hi, what can you do\"]",
        "gen_ai.output.messages": "[\"Hi! I can assist you with a variety of tasks, including answering questions, providing information on a wide range of topics, helping with problem-solving, offering writing assistance, and more. Just let me know what you need help with!\"]"
    },
    "events": [],
    "links": [],
    "resource": {
        "attributes": {
            "telemetry.sdk.language": "python",
            "telemetry.sdk.name": "opentelemetry",
            "telemetry.sdk.version": "1.38.0",
            "service.namespace": "MyAgentTesting",
            "service.name": "MyAgentTracing"
        },
        "schema_url": ""
    }}

Console Log for execute tool

この例は、ローカル検証時にコンソールエクスポーターが出力する典型的な実行ツールのスパンを示しています。

{
    "name": "execute_tool get_weather",
    "context": {
        "trace_id": "0xa9a1be6323bd52476d6a28b8893c6aa8",
        "span_id": "0x1dec90d34ecc0823",
        "trace_state": "[]"
    },
    "kind": "SpanKind.INTERNAL",
    "parent_id": "0x2e727b4c133cbd50",
    "start_time": "2025-11-24T18:47:55.960305Z",
    "end_time": "2025-11-24T18:47:55.962306Z",
    "status": {
        "status_code": "UNSET"
    },
    "attributes": {
        "operation.source": "SDK",
        "correlation.id": "aaaa0000-bb11-2222-33cc-444444dddddd",
        "gen_ai.conversation.item.link": "http://localhost:56150/_connector",
        "gen_ai.agent.upn": "Delivery Agent",
        "gen_ai.agent.user.id": "aaaaaaaa-bbbb-cccc-1111-222222222222",
        "gen_ai.execution.type": "HumanToAgent",
        "gen_ai.channel.name": "msteams",
        "gen_ai.system": "az.ai.agent365",
        "gen_ai.operation.name": "execute_tool",
        "gen_ai.agent.id": "aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb",
        "gen_ai.agent.name": "Azure OpenAI Agent",
        "gen_ai.agent.description": "An AI agent powered by Azure OpenAI",
        "gen_ai.agent.applicationid": "00001111-aaaa-2222-bbbb-3333cccc4444",
        "gen_ai.conversation.id": "__PERSONAL_CHAT_ID__",
        "tenant.id": "aaaabbbb-0000-cccc-1111-dddd2222eeee",
        "gen_ai.tool.name": "get_weather",
        "gen_ai.tool.arguments": "current location",
        "gen_ai.tool.type": "function",
        "gen_ai.tool.call.id": "bbbbbbbb-1111-2222-3333-cccccccccccc",
        "gen_ai.tool.description": "Executing get_weather tool"
    },
    "events": [],
    "links": [],
    "resource": {
        "attributes": {
            "telemetry.sdk.language": "python",
            "telemetry.sdk.name": "opentelemetry",
            "telemetry.sdk.version": "1.38.0",
            "service.namespace": "MyAgentTesting",
            "service.name": "MyAgentTracing"
        },
        "schema_url": ""
    }
}

コンソールログ推論スパン

この例は、ローカル検証に用いられるコンソールエクスポーターからの典型的な推論範囲の出力を示しています。

{
    "name": "Chat gpt-4o-mini",
    "context": {
        "trace_id": "0xceb86559a6f7c2c16a45ec6e0b201ae1",
        "span_id": "0x475beec8c1c4fa56",
        "trace_state": "[]"
    },
    "kind": "SpanKind.CLIENT",
    "parent_id": "0x959a854f18fa2c22",
    "start_time": "2025-11-24T18:04:07.061703Z",
    "end_time": "2025-11-24T18:04:09.506951Z",
    "status": {
        "status_code": "UNSET"
    },
    "attributes": {
        "operation.source": "SDK",
        "correlation.id": "aaaa0000-bb11-2222-33cc-444444dddddd",
        "gen_ai.conversation.item.link": "http://localhost:56150/_connector",
        "gen_ai.agent.upn": "Delivery Agent",
        "gen_ai.agent.user.id": "aaaaaaaa-bbbb-cccc-1111-222222222222",
        "gen_ai.execution.type": "HumanToAgent",
        "gen_ai.channel.name": "msteams",
        "gen_ai.system": "az.ai.agent365",
        "gen_ai.agent.id": "aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb",
        "gen_ai.agent.name": "Azure OpenAI Agent",
        "gen_ai.agent.description": "An AI agent powered by Azure OpenAI",
        "gen_ai.agent.applicationid": "00001111-aaaa-2222-bbbb-3333cccc4444",
        "gen_ai.conversation.id": "__PERSONAL_CHAT_ID__",
        "tenant.id": "aaaabbbb-0000-cccc-1111-dddd2222eeee",
        "gen_ai.input.messages": "hi, what can you do",
        "gen_ai.operation.name": "Chat",
        "gen_ai.request.model": "gpt-4o-mini",
        "gen_ai.provider.name": "Azure OpenAI",
        "gen_ai.output.messages": "\"Hello! I can help answer questions, provide information, assist with problem-solving, offer writing suggestions, and more. Just let me know what you need!\"",
        "gen_ai.usage.input_tokens": "33",
        "gen_ai.usage.output_tokens": "32",
        "gen_ai.response.finish_reasons": "[\"stop\"]"
    },
    "events": [],
    "links": [],
    "resource": {
        "attributes": {
            "telemetry.sdk.language": "python",
            "telemetry.sdk.name": "opentelemetry",
            "telemetry.sdk.version": "1.38.0",
            "service.namespace": "MyAgentTesting",
            "service.name": "MyAgentTracing"
        },
        "schema_url": ""
    }
}

観測可能性の要件

IT管理者は、あなたがコードに設定したデータを使ってエージェントの活動を監視します。不完全なデータとは、観測可能性の利点が十分に発揮されないことを意味します。エージェントは、期待されるすべての利益を受けるために必要なデータを提供しなければなりません。検証プロセスによって、このデータの存在が確認されます。

テレメトリーの中には、スコープやコンテキストの概念があります。エージェントが行う各操作は異なるスコープ内に存在します。データはBaggageScopeで作成された、またはマニュアル計測で説明されている個別のスコープ内に含めなければなりません。

実装を検証するには、インストゥルメンテーション用のコンソールログを生成するためにローカルでの検証手順に従ってください。次に、[Validate for required attributes](#validate-for-rewuired attributes)セクションを確認し、どの属性が必要でどれが任意かを特定しましょう。検証に合格するためには、必要なすべての属性を設定しなければなりません。

これらのクラスに必要なプロパティとパラメータ値を確認してください:

BaggageBuilderクラスで設定したプロパティは、それぞれのスコープのプロパティによって設定または上書きされることがあります。

以下の表のプロパティは InvokeAgentScope.startメソッドを使って設定します。

データ	プロパティ
`invoke_agent_details.details.agent_id`	AI エージェントの一意識別子
`invoke_agent_details.details.agent_name`	人間が判読できる AI エージェントの名前
`invoke_agent_details.details.agent_auid`	エージェントユーザー ID (AUID)
`invoke_agent_details.details.agent_upn`	エージェントユーザープリンシパル名 (UPN)
`invoke_agent_details.details.agent_blueprint_id`	エージェントのブループリント/アプリケーション ID
`invoke_agent_details.details.tenant_id`	エージェントのテナント ID
`invoke_agent_details.details.conversation_id`	会話またはセッションの識別子
`invoke_agent_details.endpoint`	エージェント呼び出しのエンドポイント
`tenant_details.tenant_id`	テナントの一意識別子
`request.content`	呼び出しのためにエージェントに送信されるペイロード内容
`request.execution_type`	リクエストの発信元を示す呼び出しタイプ(例: `HumanToAgent` または `AgentToAgent`)
`caller_details.caller_id`	呼び出し元の一意識別子
`caller_details.caller_upn`	呼び出し元のユーザープリンシパル名 (UPN)
`caller_details.caller_user_id`	呼び出し元のユーザー ID
`caller_details.tenant_id`	呼び出し元のテナント ID

ExecuteToolScope.startメソッドを使って、以下のテーブルのプロパティを設定してください。

データ	プロパティ
`details.tool_name`	実行されているツールの名前
`details.arguments`	ツールの引数/パラメーター
`details.tool_call_id`	ツール呼び出しの一意識別子
`details.tool_type`	実行されているツールの種類
`details.endpoint`	外部ツール呼び出しが行われた場合
`agent_details.agent_id`	AI エージェントの一意識別子
`agent_details.agent_name`	人間が判読できる AI エージェントの名前
`agent_details.agent_auid`	エージェントユーザーID
`agent_details.agent_upn`	エージェントユーザープリンシパル名 (UPN)
`agent_details.agent_blueprint_id`	エージェントのブループリント/アプリケーション ID
`agent_details.tenant_id`	エージェントの入居者IDです。
`agent_details.conversation_id`	エージェント呼び出しの会話ID。
`tenant_details.tenant_id`	エージェントの入居者IDです。

以下の表のプロパティは InferenceScope.startメソッドを使って設定します。

データ	プロパティ
`details.operationName`	推論の操作名/型
`details.model`	モデル名/識別子
`details.providerName`	プロバイダー名
`agent_details.agent_id`	AI エージェントの一意識別子
`agent_details.agent_name`	人間が判読できる AI エージェントの名前
`agent_details.agent_auid`	エージェントユーザー ID (AUID)
`agent_details.agent_upn`	エージェントユーザープリンシパル名 (UPN)
`agent_details.agent_blueprint_id`	エージェントのブループリント/アプリケーション ID
`agent_details.tenant_id`	テナントの一意識別子
`agent_details.conversation_id`	会話またはセッションの識別子
`tenant_details.tenant_id`	テナントの一意識別子
`request.content`	推論のためにエージェントに送られたペイロード内容
`request.execution_type`	リクエストの発信元を示す呼び出しタイプ(例: `HumanToAgent` または `AgentToAgent`)
`request.source_metadata`	チャンネル情報を表現します

BaggageBuilderクラスで設定したプロパティは、それぞれのスコープのプロパティによって設定または上書きされることがあります。

以下の表のプロパティは InvokeAgentScope.startメソッドを使って設定します。

データ	プロパティ
`invokeAgentDetails.agentAUID`	エージェントユーザー ID (AUID)
`invokeAgentDetails.agentBlueprintId`	エージェントのブループリント/アプリケーション ID
`invokeAgentDetails.agentId`	AI エージェントの一意識別子
`invokeAgentDetails.agentName`	人間が判読できる AI エージェントの名前
`invokeAgentDetails.agentUPN`	エージェントユーザープリンシパル名 (UPN)
`invokeAgentDetails.conversationId`	会話またはセッションの識別子
`invokeAgentDetails.endpoint.host`	エージェント呼び出しのエンドポイントのホストアドレス
`invokeAgentDetails.endpoint.port`	エージェント呼び出しのエンドポイントのポート番号
`invokeAgentDetails.endpoint.protocol`	エージェント呼び出しのためのプロトコルエンドポイント
`invokeAgentDetails.request.content`	エージェント呼び出しのためのリクエストペイロードの内容
`invokeAgentDetails.request.executionType`	エージェント呼び出しのためのリクエストペイロードの呼び出しの種類
`invokeAgentDetails.request.sourceMetadata.name`	チャンネル情報(`msteams`、 `email`など)
`invokeAgentDetails.tenantId`	エージェントのテナント ID
`tenantDetails.tenantId`	テナントの一意識別子
`callerDetails.callerId`	発信者の一意識別子(aadObjectId)
`callerDetails.callerName`	発信者の表示名
`callerDetails.callerUpn`	呼び出し元のユーザープリンシパル名 (UPN)
`callerDetails.tenantId`	呼び出し元のテナント ID

ExecuteToolScope.startメソッドを使って、以下のテーブルのプロパティを設定してください。

データ	プロパティ
`details.arguments`	ツールの引数/パラメーター
`details.endpoint.host`	ツール実行のためのエンドポイントのホストアドレス。外部からの通話がかかってくる場合に必要です
`details.endpoint.port`	ツール実行用のエンドポイントのポート番号。外部からの通話がかかってくる場合に必要です
`details.endpoint.protocol`	ツール実行のためのエンドポイントのプロトコル。外部からの通話がかかってくる場合に必要です
`details.toolCallId`	ツール呼び出しの一意識別子
`details.toolName`	実行されているツールの名前
`details.toolType`	実行されているツールの種類
`agentDetails.agentId`	AI エージェントの一意識別子
`agentDetails.agentName`	人間が判読できる AI エージェントの名前
`agentDetails.conversationId`	会話またはセッションの識別子
`tenantDetails.tenantId`	テナントの一意識別子

以下の表のプロパティは InferenceScope.startメソッドを使って設定します。

データ	プロパティ
`details.model`	モデル名/識別子
`details.operationName`	推論の操作名/型
`details.providerName`	プロバイダー名
`agentDetails.agentId`	AI エージェントの一意識別子
`agentDetails.agentName`	人間が判読できる AI エージェントの名前
`agentDetails.conversationId`	会話またはセッションの識別子
`tenantDetails.tenantId`	テナントの一意識別子

BaggageBuilderクラスで設定したプロパティは、それぞれのスコープのプロパティによって設定または上書きされることがあります。

以下の表のプロパティを InvokeAgentScope.Startメソッドで設定します。

データ	プロパティ
`invokeAgentDetails.details.agentId`	エージェントの一意識別子。
`invokeAgentDetails.details.agentName`	エージェントの表示名。
`invokeAgentDetails.details.agentAUID`	エージェント用のAzure User ID(AUID)です。
`invokeAgentDetails.details.agentUPN`	エージェントのユーザープリンシパル名(UPN)です。
`invokeAgentDetails.details.agentBlueprintId`	エージェントの設計図/アプリケーションIDです。
`invokeAgentDetails.details.tenantId`	エージェントの入居者IDです。
`invokeAgentDetails.endpoint`	呼び出しするエージェントのエンドポイントURIです。
`tenantDetails.tenantId`	借主の識別子。
`request.content`	エージェントに供給されるペイロード内容。
`request.executionType`	リクエストを記述する実行タイプ。
`request.sourceMetadata.name`	人間が読み取れるソースの名前。チャネル名。
`conversationId`	エージェント呼び出しの会話ID。

以下のテーブルのプロパティは ExecuteToolScope.Startメソッドを使って設定します。

データ	プロパティ
`details.toolName`	呼び出しているツールの名前。
`details.arguments`	直列化された引数をツールに渡します。
`details.toolCallId`	ツール呼び出しの識別子。
`details.toolType`	ツールの種類分類。
`details.endpoint`	リモートツール実行に必要なエンドポイント。
`agentDetails.agentId`	エージェントの一意識別子。
`agentDetails.agentName`	エージェントの表示名。
`agentDetails.agentAUID`	エージェント用のAzure User ID(AUID)です。
`agentDetails.agentUPN`	エージェントのユーザープリンシパル名(UPN)です。
`agentDetails.agentBlueprintId`	エージェントの設計図/アプリケーションIDです。
`agentDetails.tenantId`	エージェントの入居者IDです。
`tenantDetails.tenantId`	借主の識別子。

以下の表のプロパティは InferenceScope.Startメソッドを使って設定します。

データ	プロパティ
`details.operationName`	推論操作のためのテレメトリ識別子。
`details.model`	推論要求を満たすために使用されたモデル名。
`details.providerName`	推論通話の責任者。
`agentDetails.agentId`	エージェントの一意識別子。
`agentDetails.agentName`	エージェントの表示名。
`agentDetails.agentAUID`	エージェント用のAzure User ID(AUID)です。
`agentDetails.agentUPN`	エージェントのユーザープリンシパル名(UPN)です。
`agentDetails.agentBlueprintId`	エージェントの設計図/アプリケーションIDです。
`agentDetails.tenantId`	エージェントの入居者IDです。
`tenantDetails.tenantId`	借主の識別子。
`parentId`	親スコープの明示的な管理のために。ほとんどの場合、必須ではありません。

ストアパブリッシングのための検証

公開前に、必要なinvoke agent、実行ツール、推論スコープを実装し、エージェントのオブザーバビリティ統合をコンソールログで検証してください。次に、エージェントのログを以下の属性リストと比較し、必要な属性がすべて揃っているか確認します。各スコープや手荷物ビルダーで属性を取得でき、オプションの属性も自由に追加できます。

ストア公開要件の詳細については、ストア検証ガイドラインをご覧ください。

InvokeAgentScope attributes

以下のリストは、 InvokeAgentScope開始時に記録される必要およびオプションのテレメトリ属性をまとめたものです。

"attributes": {
        "correlation.id": "Optional",
        "gen_ai.agent.applicationid": "Required",
        "gen_ai.agent.description": "Optional",
        "gen_ai.agent.id": "Required",
        "gen_ai.agent.name": "Required",
        "gen_ai.agent.thought.process": "Optional",
        "gen_ai.agent.upn": "Required",
        "gen_ai.agent.user.id": "Required",
        "gen_ai.caller.agent.applicationid": "Required (if execution type is agent to agent)",
        "gen_ai.caller.agent.id": "Required (if execution type is agent to agent)",
        "gen_ai.caller.agent.name": "Required (if execution type is agent to agent)",
        "gen_ai.caller.client.ip": "Required",
        "gen_ai.caller.id": "Required",
        "gen_ai.caller.name": "Optional",
        "gen_ai.caller.upn": "Required",
        "gen_ai.channel.link": "Optional",
        "gen_ai.channel.name": "Required",
        "gen_ai.conversation.id": "Required",
        "gen_ai.conversation.item.link": "Optional",
        "gen_ai.execution.type": "Required",
        "gen_ai.input.messages": "Required",
        "gen_ai.operation.name": "Required (Set by the SDK)",
        "gen_ai.output.messages": "Required",
        "gen_ai.system": "Optional",
        "hiring.manager.id": "Optional",
        "operation.source": "Required (SDK sets a default value)",
        "server.address": "Required",
        "server.port": "Required",
        "session.id": "Optional",
        "session.description": "Optional",
        "tenant.id": "Required"
    },

ExecuteToolScope属性

以下のリストは、 ExecuteToolScope開始時に記録される必要およびオプションのテレメトリ属性をまとめたものです。

"attributes": {
        "correlation.id": "Optional",
        "gen_ai.agent.applicationid": "Required",
        "gen_ai.agent.description": "Optional",
        "gen_ai.agent.id": "Required",
        "gen_ai.agent.name": "Required",
        "gen_ai.agent.upn": "Required",
        "gen_ai.agent.user.id": "Required",
        "gen_ai.caller.client.ip": "Required",
        "gen_ai.channel.name": "Required",
        "gen_ai.conversation.id": "Required",
        "gen_ai.conversation.item.link": "Optional",
        "gen_ai.execution.type": "HumanToAgent",
        "gen_ai.operation.name": "Required (Set by the SDK)",
        "gen_ai.system": "Optional",
        "gen_ai.tool.arguments": "Required",
        "gen_ai.tool.call.id": "Required",
        "gen_ai.tool.description": "Optional",
        "gen_ai.tool.name": "Required",
        "gen_ai.tool.type": "Required",
        "operation.source": "Required (SDK sets a default value)",
        "server.address": "Required (if tool call is external)",
        "server.port": "Required (if tool call is external)",
        "session.id": "Optional",
        "session.description": "Optional",
        "tenant.id": "Required"
    },

InferenceScope属性

以下のリストは、 InferenceScope開始時に記録される必要およびオプションのテレメトリ属性をまとめたものです。

"attributes": {
        "correlation.id": "Optional",
        "gen_ai.agent.applicationid": "Required",
        "gen_ai.agent.description": "Optional",
        "gen_ai.agent.id": "Required",
        "gen_ai.agent.name": "Required",
        "gen_ai.agent.thought.process": "Optional",
        "gen_ai.agent.upn": "Required",
        "gen_ai.agent.user.id": "Required",
        "gen_ai.caller.client.ip": "Required",
        "gen_ai.channel.link": "Optional",
        "gen_ai.channel.name": "Required",
        "gen_ai.conversation.id": "Required",
        "gen_ai.conversation.item.link": "Optional",
        "gen_ai.execution.type": "Required",
        "gen_ai.input.messages": "Required",
        "gen_ai.operation.name": "Chat",
        "gen_ai.output.messages": "Required",
        "gen_ai.provider.name": "Required",
        "gen_ai.request.model": "Required",
        "gen_ai.response.finish_reasons": "Optional",
        "gen_ai.usage.input_tokens": "Optional",
        "gen_ai.usage.output_tokens": "Optional",
        "hiring.manager.id": "Optional",
        "operation.source": "Required (SDK sets a default value)",
        "session.description": "Optional",
        "session.id": "Optional",
        "tenant.id": "Required"
    }

監視でエージェントをテストする

エージェントに可観測性を実装した後、テレメトリが正しくキャプチャされているかテストしてください。テストガイドに従って環境を設定し、主に監視ログの表示セクションに注目して、監視の実装が想定どおりに動作していることを検証します。

フィードバック

このページはお役に立ちましたか?

Last updated on 2025-12-19

次の方法で共有

エージェントの監視

主な利点

インストール

構成

バゲッジ属性

トークン リゾルバー

自動インストルメンテーション

セマンティック カーネル

OpenAI

エージェント フレームワーク

LangChain フレームワーク

手動インストルメンテーション

エージェント呼び出し

ツールの実行

推論

ローカルで検証する

サンプルログ

Console log Invoke agent span

Console Log for execute tool

コンソールログ推論スパン

観測可能性の要件

ストアパブリッシングのための検証

InvokeAgentScope attributes

ExecuteToolScope属性

InferenceScope属性

監視でエージェントをテストする

フィードバック

その他のリソース

トークンリゾルバー

セマンティックカーネル

エージェントフレームワーク