เทเลเมทรีระดับสภาพแวดล้อมด้วย Application Insights (ตัวอย่าง)

หมายเหตุ

ฟีเจอร์ในบทความนี้ขับเคลื่อนด้วยฮาร์เนสมาตรฐาน ซึ่งใช้ตัวเลือกการเรียกเก็บเงินที่อธิบายไว้ใน การอนุญาตใช้งาน สําหรับตัวแทนที่ขับเคลื่อนด้วยฮาร์เนสมาตรฐาน เรียนรู้วิธีเข้าถึงฟีเจอร์มาตรฐานใน Access standard agent และ agent flows

[บทความนี้เป็นเอกสารก่อนการนำออกใช้ และอาจเปลี่ยนแปลงได้]

ใช้ Azure Application Insights เพื่อตรวจสอบการติดตามตัวแทน Copilot Studio ที่ส่งออกจากสภาพแวดล้อมที่มีการจัดการ หลังจากที่คุณกําหนดค่าการส่งออกแล้ว ให้ใช้ Azure Monitor และ Application Insights เพื่อตรวจสอบการทํางานของเอเจนต์ ตรวจสอบการทํางานของโหนดและเครื่องมือ สร้างการแจ้งเตือน และสร้างคําสั่งค้นหาและแดชบอร์ดแบบกําหนดเองสําหรับการวิเคราะห์การดําเนินงาน

หมายเหตุ

• ฟีเจอร์นี้กําลังเปิดใช้งานทั่วโลกและอาจยังไม่พร้อมใช้งานเต็มรูปแบบในสภาพแวดล้อมของคุณ
• ฟีเจอร์นี้มีให้เฉพาะ ในสภาพแวดล้อมที่มีการจัดการเท่านั้น
• มีเพียงบันทึกสําหรับเอเจนต์ที่สร้างใน Copilot Studio ยกเว้นเอเจนต์แบบประกาศเท่านั้น ที่จะมีใน Application Insights
• หากต้องการใช้กลยุทธ์ Application Insights ระดับสภาพแวดล้อมสําหรับเทเลเมทรีตัวแทน Copilot Studio องค์กรสามารถเลือกปิดการเทเลเมทรี Application Insights ระดับเอเจนต์ได้

บทความนี้อธิบายวิธีการกําหนดค่าการส่งออก Copilot Studio agent traces ไปยัง Azure Application Insights ในระดับสภาพแวดล้อมผ่านศูนย์ผู้ดูแลระบบ Power Platform

สำคัญ

บทความนี้มีเอกสารรุ่นพรีวิว Microsoft Copilot Studio และอาจจะมีการเปลี่ยนแปลงในอนาคต

คุณลักษณะพรีวิวไม่ได้มีไว้สำหรับการนำไปใช้งานจริงและอาจมีฟังก์ชันการทำงานที่จำกัด คุณลักษณะเหล่านี้สามารถใช้ได้ก่อนการเปิดตัวอย่างเป็นทางการเพื่อให้คุณสามารถเข้าใช้งานได้ก่อนเวลาและให้ข้อคิดเห็น

หากคุณกำลังสร้างเอเจนต์ที่พร้อมสำหรับการใช้งานจริง โปรดดู ภาพรวมของ Microsoft Copilot Studio

Prerequisites

ก่อนที่คุณจะตั้งค่าการเชื่อมต่อส่งออกข้อมูล ให้ทําข้อกําหนดเบื้องต้นสําหรับการส่งออกข้อมูลไปยัง Application Insights

สิ่งที่ถูกส่งออก

เมื่อคุณเปิดใช้งานการส่งออก เทเลเมตรีการติดตามตัวแทนของ Copilot Studio จะถูกเขียนไปยัง Application Insights ในรูปแบบการสังเกตที่สอดคล้องกับ OpenTelemetry ซึ่งรองรับการสืบสวน แดชบอร์ด และการแจ้งเตือน

เหตุการณ์ของเอเจนต์ Copilot Studio จะถูกเขียนลงในdependenciesตารางเป็นช่วง แต่ละเหตุการณ์ที่ส่งออก (, , และ ) เป็นแถว span เดียว (InvokeAgentExecuteToolOutputMessages)itemType = dependency

สแปนเกิดเป็นเทรซได้อย่างไร

เทเลเมตรีนี้ใช้โมเดล trace-and-span ของ OpenTelemetry ซึ่งสร้างใหม่ผ่าน operation_Id คอลัมน์และ operation_ParentId :

• แต่ละเทิร์นของตัวแทนเป็น เทรซของตัวเอง ซึ่งระบุด้วยการใช้ร่วมกัน operation_Id ซึ่งช่วยให้ Application Insights สามารถจัดกลุ่มเทิร์นและแสดงผลในมุมมองธุรกรรมแบบ end-to-end
• InvokeAgentสแปนนี้เป็นรากของเทรซของเทิร์นนั้น span ExecuteTool ของมันและ span OutputMessages ที่เชื่อมต่ออยู่จะซ้อนอยู่ด้านล่าง โดยแต่ละ span มี operation_ParentId = ค่า InvokeAgent ของ span id
• บทสนทนาหนึ่งครอบคลุม หลายเทิร์น โดยแต่ละเทิร์นจะถูกส่งออกเป็นเทรซแยกกัน จัดกลุ่มหรือกรองตามลําดับ gen_ai.conversation.id เพื่อเชื่อมโยงการสนทนาในบทสนทนาเดียวกันกลับเข้าด้วยกัน
• ซับเอเจนต์ ทำงานโดยมีเทรซแยกเป็นของตัวเอง เมื่อเอเจนต์เรียกเอเจนต์อื่นเป็นเครื่องมือ ซับเอเจนต์จะสืบทอดรหัสการสนทนาของเอเจนต์หลักพร้อมส่วนต่อท้าย _<subConversationId> เช่น <rootConversationId>_<subConversationId>. แยกgen_ai.conversation.id_และจับคู่ในส่วนรากเพื่อสร้างโครงสร้างต้นไม้มัลติเอเจนต์ทั้งหมด (ดูข้อมูลเพิ่มเติมในคําสั่งที่ 5)
• OutputMessages span ไม่ได้สร้าง InvokeAgent root เสมอไป ซึ่งหมายความว่า span เหล่านั้นอาจมาถึงโดยไม่มี parent ที่สอดคล้องกัน และแสดงเป็นเทรซแบบเดี่ยวที่มีเพียงโหนดเดียวได้โดยการออกแบบ

สร้างแพคเกจการส่งออก

สร้างแพ็กเกจส่งออกโดยตั้งค่าประเภทการส่งออกเป็น Copilot Studio โดยทําตามคําแนะนําในหัวข้อ สร้างแพ็กเกจส่งออกของเอกสารศูนย์ผู้ดูแลระบบ Power Platform

ตรวจสอบการกําหนดค่า

หลังจากบันทึกการกําหนดค่าการส่งออกแล้ว ให้รันการสนทนาทดสอบกับเอเจนต์และยืนยันว่าเทเลเมทรีมาถึงใน Application Insights การส่งข้อมูลเทเลเมทรีอาจใช้เวลานานถึง 24 ชั่วโมงสําหรับการตั้งค่าใหม่ ตรวจสอบความถูกต้องของ:

• ช่วงของเอเจนต์ปรากฏอยู่ในตาราง dependencies
• ช่วง InvokeAgent, ExecuteTool และ OutputMessages ของแต่ละรอบ ใช้ operation_Id ร่วมกัน

ฟิลด์ข้อมูลเชิงลึกเกี่ยวกับแอปพลิเคชัน

ตารางต่อไปนี้แสดงฟิลด์ในตาราง dependencies และระบุว่าฟิลด์ใดมีการกรอกข้อมูลสำหรับเหตุการณ์ของเอเจนต์ที่ส่งออกทั้งสามรายการ ได้แก่ InvokeAgent, ExecuteTool และ OutputMessages. ความหมายของตัวแทนและการดําเนินการอยู่ใน customDimensions ( gen_ai.* คีย์ เช่น gen_ai.operation.name) ไม่ใช่ในคอลัมน์เนทีฟ

ฟิลด์ใน dependencies ตาราง	InvokeAgent	ExecuteTool	OutputMessages	ค่าตัวอย่าง
timestamp [UTC]	✔️	✔️	✔️	6/11/2026, 5:02:13.501 AM
id	✔️	✔️	✔️	1111aaa1-aa11-11aa-11a1-a1aaa1111aa1
name	✔️	✔️	✔️	InvokeAgent / ExecuteTool / OutputMessages
resultCode	✔️	✔️	✔️	OK, ERROR
type	✔️	✔️	✔️	GenAI
target	✔️	✔️	✔️	GenAI
data	✔️	✔️	✔️	invoke_agent / execute_tool / output_messages
success	✔️	✔️	✔️	True
duration	✔️	✔️	✔️	0
performanceBucket	✔️	✔️	✔️	<250ms
itemType	✔️	✔️	✔️	dependency
customDimensions	✔️	✔️	✔️	ดูข้อมูลเพิ่มเติมใน คุณสมบัติ customDimension
operation_Id	✔️	✔️	✔️	trace-1111aaa1-aa11-11aa-11a1-a1aaa1111aa1 (ใช้ร่วมกันโดยทุกช่วงในรอบการหมุน)
operation_ParentId	✔️	✔️	✔️	การหมุนInvokeAgentidสําหรับช่วงลูก; รากเทรซสําหรับช่วงนั้นInvokeAgent
client_Type	✔️	✔️	✔️	PC
client_IP	✔️	✔️	✔️	0.0.0.0
client_City	✔️	✔️	✔️	San Jose
client_StateOrProvince	✔️	✔️	✔️	California
client_CountryOrRegion	✔️	✔️	✔️	United States
appId	✔️	✔️	✔️	11111a1a-1111-1111-a111-1a1a1a11111a
appName	✔️	✔️	✔️	-
iKey	✔️	✔️	✔️	aa111a1a-a1aa-111a-111a-a111a111111a
sdkVersion	✔️	✔️	✔️	dotnetc:2.23.0-29
itemId	✔️	✔️	✔️	a1a1111a-1111-11a1-1111-111111aa1a1a
itemCount	✔️	✔️	✔️	1
_ResourceId	✔️	✔️	✔️	-

คุณสมบัติ customDimensions

ทุกช่วงจะมี JSON อยู่ด้วยcustomDimensions ตารางต่อไปนี้แสดงคีย์ทั่วไปที่ปรากฏในทุกช่วง:

กุญแจ	ค่าตัวอย่าง
SpanId	1111aaa1-aa11-11aa-11a1-a1aaa1111aa1
error.type	404
Status.code	1, 2
Status.message	Descriptive failure message
gen_ai.agent.id	1aa11a11-1a1a-1a11-1a1a-1111aa1111aa
gen_ai.agent.name	MCS Agent
gen_ai.conversation.id	aaaaa111-1a1a-1111-1aa1-a111111a11a1
gen_ai.request.model	Sonnet46
gen_ai.operation.name	invoke_agent / execute_tool / output_messages
env.id	111a1aa1-a1aa-aaa1-a11a-11a111111111
microsoft.tenant.id	11aaa111-1a11-1a1a-a111-aa1a111a111a
microsoft.a365.agent.blueprint.id	1111111a-aa11-1a11-a1a1-a11a1111a1a1
microsoft.a365.agent.platform.id	111a1aa1-…_1a11111a-…
microsoft.channel.name	Copilot Studio Test Pane
resource.provider	copilot studio
signal.category	default
a365.enabled	True
appinsights.enabled	True
user.id	-
user.email	My.User@mytenant.onmicrosoft.com
user.name	My User
client.address	::ffff:00.00.00.00
telemetry.sdk.name	A365ObservabilitySDK
telemetry.sdk.language	dotnet
telemetry.sdk.version	1.1.9.43597

คีย์เฉพาะเหตุการณ์

ตารางต่อไปนี้แสดงคีย์เฉพาะเหตุการณ์:

กุญแจ	InvokeAgent	ExecuteTool	OutputMessages	คำอธิบาย
gen_ai.input.messages	✔️	-	-	อาร์เรย์ JSON ของ {role, parts:[{content, type}]}—พรอมต์ผู้ใช้
gen_ai.output.messages	-	-	✔️	JSON array—คําตอบของตัวแทน
gen_ai.tool.name	-	✔️	-	ตัวอย่างเช่น workiqsharepoint:mcp_SharePointRemoteServer
gen_ai.tool.type	-	✔️	-	ตัวอย่างเช่น MCP - Power Platform Connector
gen_ai.tool.call.id	-	✔️	-	ตัวระบุการเรียกใช้เครื่องมือ
gen_ai.tool.call.arguments	-	✔️	-	ส่ง JSON payload ไปยังเครื่องมือ
gen_ai.tool.call.result	-	✔️	-	เพย์โหลด JSON ที่ส่งกลับโดยเครื่องมือ

ค้นพบสคีมาปัจจุบัน

สคีมาที่บันทึกไว้ในบทความนี้อาจเปลี่ยนแปลงไปตามกาลเวลา แทนที่จะพึ่งพาตารางที่กล่าวถึงก่อนหน้านี้เพียงอย่างเดียว ให้ใช้คําสั่งค้นหาต่อไปนี้เพื่อตรวจสอบสคีมาล่าสุดที่ใช้งานจริงในสภาพแวดล้อมของคุณเอง

แสดงคอลัมน์ตารางเนทีฟ

คําสั่งค้นหาต่อไปนี้จะคืนค่าสคีมาระดับคอลัมน์ของ dependencies ตาราง ใช้เพื่อยืนยันคอลัมน์เนทีฟที่มีอยู่เมื่อสร้างคําค้นหา แดชบอร์ด หรือการแจ้งเตือน

dependencies
| getschema
| project ColumnName, ColumnType
| order by ColumnName asc

ค้นพบคีย์ customDimensions (คุณสมบัติไดนามิก)

คําสั่งต่อไปนี้จะแสดงคีย์ทุกตัวภายใน customDimensions JSON ใน dependencies ตาราง: ชื่อคุณสมบัติ, เหตุการณ์เอเจนต์ที่ปรากฏบน (InvokeAgent, ExecuteTool, OutputMessages), และค่าตัวอย่าง แตกต่างจากสคีมาคอลัมน์เนทีฟ คุณสมบัติเหล่านี้เป็นแบบไดนามิก ดังนั้นการค้นหานี้จึงยังคงแม่นยําเมื่อ SDK เพิ่มคีย์ใหม่ gen_ai.* หรือคีย์อื่น ๆ ใช้มันเป็นแหล่งข้อมูลจริงสําหรับแอตทริบิวต์ที่มีอยู่

dependencies
| where timestamp > ago(7d)
| mv-expand Key = bag_keys(customDimensions) to typeof(string)
| summarize Events = make_set(name), SampleValue = take_any(tostring(customDimensions[Key])) by Key
| order by Key asc

ตรวจสอบเทเลเมทรีที่ส่งออก

ใช้ Application Insights Logs เพื่อสอบถามกิจกรรมของเอเจนต์และตรวจสอบการทํางานของเอเจนต์หรือเครื่องมือ เทเลเมทรีที่ส่งออกทั้งหมดจะปรากฏใน dependencies ตารางเป็นช่วง:

• แต่ละเทิร์นของเอเจนต์ถือเป็นเทรซ และถูกจัดกลุ่มด้วย operation_Id ที่ใช้ร่วมกัน
• InvokeAgentช่วงคือรากเทรซ; ExecuteTool และOutputMessagesช่วงซ้อนซ้อนกันอยู่ใต้มันผ่าน operation_ParentId.
• จัดกลุ่มตาม gen_ai.conversation.id เพื่อรวมหลายเทิร์นของการสนทนาเดียวกันไว้ในเธรดเดียว และแยก ID นั้นด้วย _ เพื่อรวมร่องรอยของซับเอเจนต์

ใบมีดเอเจนต์ (พรีวิว)

นอกจาก Logs แล้ว Application Insights ยังมีมุมมอง Agents (พรีวิว) ในตัวที่แสดงข้อมูลเทเลเมทรี GenAI ที่ส่งออกโดยไม่ต้องเขียนคําสั่ง Kusto ขณะที่ Copilot Studio เขียนช่วงของมันลงบนdependenciesตาราง ใบมีดเหล่านี้จะอ่านข้อมูลโดยตรงจากข้อมูลนั้น:

• การรันของ Agent: แสดงรายการการเรียกใช้ agent ที่สร้างจาก InvokeAgent spans พร้อมระยะเวลา ความสำเร็จ และการสนทนาที่การรันแต่ละครั้งอยู่ใน มีข้อจํากัดบางประการ; เรียนรู้เพิ่มเติมในส่วน ข้อจํากัดและข้อควรพิจารณาที่ทราบ
• เครื่องมือ: รวบรวม ExecuteTool ช่วงต่าง ๆ เพื่อแสดงว่าเอเจนต์เรียกใช้เครื่องมือใด, ความถี่ และประสิทธิภาพของพวกเขาเป็นอย่างไร
• โมเดล: สรุปการใช้งานโมเดลในแต่ละรัน โดยแสดงโมเดลที่ถูกเรียกใช้และรูปแบบการเรียกใช้งาน

วิเคราะห์เทเลเมทรีของตัวแทนด้วย Application Insights

หลังจากที่คุณเชื่อมต่อสภาพแวดล้อมของคุณกับ Application Insights ระบบจะบันทึกข้อมูลเทเลเมทรีของเอเจนต์เมื่อผู้ใช้โต้ตอบกับเอเจนต์ รวมถึงในระหว่างการทดสอบภายใน Copilot Studio หากต้องการดูข้อมูลเทเลเมตรีที่บันทึกไว้ ให้ไปที่ส่วนบันทึกในทรัพยากร Application Insights ของคุณใน Azure ที่นี่ คุณสามารถใช้ คําสั่ง Kusto query เพื่อค้นหาและวิเคราะห์ข้อมูลของคุณ เรียนรู้เพิ่มเติมในตัวอย่างคําค้น

การสอบถามตัวอย่าง

ตัวอย่างคําสั่ง Kusto ต่อไปนี้สร้างบทสนทนาของตัวแทน Copilot Studio จากdependenciesตารางใน Application Insights เนื่องจากทุกสแปนมีเทรซ operation_Id ร่วมกันในแต่ละเทิร์น คิวรีจึงจัดลำดับสแปนโดยให้สแปนรากมาก่อน (คือสแปน InvokeAgent มาก่อนสแปนลูกของมัน) ภายในแต่ละเทรซ

คําค้นหา 1: ส่งคืนการติดตามเต็มรูปแบบสําหรับ ID การสนทนาเฉพาะ

คิวรีนี้จะส่งกลับทุก span สำหรับการสนทนาที่ทราบอยู่แล้วรายการหนึ่ง โดยเรียงตามลำดับเวลา และแสดง root span แต่ละรายการก่อน child span ของมัน แทนที่ตัวยึดตำแหน่ง Conversation ID ด้วยรหัสการสนทนาของเอเจนต์ของคุณ คุณสามารถค้นหาได้โดยป้อนคําสั่งต่อไปนี้ขณะทดสอบเอเจนต์แบบกําหนดเองของคุณ: /debug conversationid

let LatestConvo = "<Conversation ID>"; 
dependencies
| where tostring(customDimensions["gen_ai.conversation.id"]) == LatestConvo
| order by operation_Id asc, iff(name == "InvokeAgent", 0, 1) asc, timestamp asc
| project timestamp, name, id, operation_Id,
          operation_ParentId, duration, target, type, cloud_RoleName,
          resultCode, customDimensions

คําค้นหา 2: ส่งคืนการสนทนาล่าสุดสําหรับเอเจนต์เฉพาะ

คําค้นหานี้จะค้นหาการสนทนาล่าสุดสําหรับเอเจนต์ที่ระบุภายในช่วงเวลาที่กําหนด มันคืนค่าทุกช่วงของบทสนทนานั้นในลําดับเวลาเดียวกัน โดยเริ่มจากรากก่อน แทนที่ชื่อ ตัวแทน ด้วยชื่อตัวแทนของคุณ

let Window = 7d;
let AgentName = "<Agent name>";
let LatestConvo = toscalar(
    dependencies
    | where timestamp > ago(Window)
    | where tostring(customDimensions["gen_ai.agent.name"]) == AgentName
    | where isnotempty(tostring(customDimensions["gen_ai.conversation.id"]))
    | top 1 by timestamp desc
    | project tostring(customDimensions["gen_ai.conversation.id"])
);
dependencies
| where timestamp > ago(Window)
| where tostring(customDimensions["gen_ai.conversation.id"]) == LatestConvo
| order by operation_Id asc, iff(name == "InvokeAgent", 0, 1) asc, timestamp asc
| project timestamp, name, id, operation_Id,
          operation_ParentId, duration, target, type, cloud_RoleName,
          resultCode, customDimensions

คิวรี 3: แยกคุณสมบัติ genAI OpenTelemetry ที่รู้จักกันออกเป็นคอลัมน์

คําสั่งนี้คืนค่าการติดตามเดียวกับคําสั่งที่ 2 แต่จะแยกวิเคราะห์คีย์ semantic-convention ของ OpenTelemetry ที่รู้จักแต่ละอันให้เป็นคอลัมน์ที่มีชื่อของตัวเอง ผลลัพธ์คือตารางที่เรียบและกําหนดไว้อย่างชัดเจน ซึ่งคุณสามารถจัดเรียง กรอง และสแกนฟิลด์ AI เชิงสร้างสรรค์ เช่น ชื่อเครื่องมือ โมเดล พรอมต์ผู้ใช้ การตอบกลับของตัวแทน และรหัสการสนทนาได้โดยตรง แทนที่ชื่อ ตัวแทน ด้วยชื่อตัวแทนของคุณ

let Window = 7d;
let AgentName = "<Agent name>";
let LatestConvo =
    toscalar(
        dependencies
        | where timestamp > ago(Window)
        | extend
            AgentName_ = tostring(customDimensions["gen_ai.agent.name"]),
            ConversationId_ = tostring(customDimensions["gen_ai.conversation.id"])
        | where AgentName_ == AgentName
        | where isnotempty(ConversationId_)
        | summarize arg_max(timestamp, ConversationId_)
        | project ConversationId_
    );
dependencies
| where timestamp > ago(Window)
| extend
    ConversationId = tostring(customDimensions["gen_ai.conversation.id"])
| where ConversationId == LatestConvo
| extend
    OperationName    = tostring(customDimensions["gen_ai.operation.name"]),
    AgentId          = tostring(customDimensions["gen_ai.agent.id"]),
    AgentName        = tostring(customDimensions["gen_ai.agent.name"]),
    Model            = tostring(customDimensions["gen_ai.request.model"]),
    ToolName         = tostring(customDimensions["gen_ai.tool.name"]),
    ToolType         = tostring(customDimensions["gen_ai.tool.type"]),
    ToolCallId       = tostring(customDimensions["gen_ai.tool.call.id"]),
    ToolArguments    = tostring(customDimensions["gen_ai.tool.call.arguments"]),
    ToolResult       = tostring(customDimensions["gen_ai.tool.call.result"]),
    EnvironmentId    = tostring(customDimensions["env.id"]),
    TenantId         = tostring(customDimensions["microsoft.tenant.id"]),
    ChannelName      = tostring(customDimensions["microsoft.channel.name"]),
    BlueprintId      = tostring(customDimensions["microsoft.a365.agent.blueprint.id"]),
    PlatformId       = tostring(customDimensions["microsoft.a365.agent.platform.id"]),
    ResourceProvider = tostring(customDimensions["resource.provider"]),
    SignalCategory   = tostring(customDimensions["signal.category"]),
    UserId           = tostring(customDimensions["user.id"]),
    UserName         = tostring(customDimensions["user.name"]),
    UserEmail        = tostring(customDimensions["user.email"])
| extend
    InputMessages  = parse_json(tostring(customDimensions["gen_ai.input.messages"])),
    OutputMessages = parse_json(tostring(customDimensions["gen_ai.output.messages"]))
| extend
    UserInput   = tostring(InputMessages[0].parts[0].content),
    AgentOutput = tostring(OutputMessages[0].parts[0].content)
| order by
    operation_Id asc,
    iff(name == "InvokeAgent", 0, 1) asc,
    timestamp asc
| project
    timestamp, name, id, operation_Id, operation_ParentId, OperationName, ConversationId,
    AgentId, AgentName, Model, ToolName, ToolType, ToolCallId, ToolArguments, ToolResult,
    UserInput, AgentOutput, EnvironmentId, TenantId, ChannelName, BlueprintId, PlatformId,
    ResourceProvider, SignalCategory, UserId, UserName, UserEmail, duration, target, type,
    cloud_RoleName, resultCode, customDimensions

คําค้นหา 4: ขยายคุณสมบัติ genAI OpenTelemetry ทั้งหมดแบบไดนามิก

คิวรีนี้ส่งคืนสแปนเดียวกันกับคิวรี 3 แต่gen_ai.*คีย์แต่ละตัวจะถูกแยกแบบไดนามิกออกจากcustomDimensionsไปเป็นคอลัมน์ของตัวเองที่มีคำนำหน้าga_ เนื่องจากการฉายภาพเป็นแบบไดนามิก แอตทริบิวต์ใหม่ gen_ai.* ใด ๆ ที่ SDK ปล่อยออกมาในภายหลังจะปรากฏโดยอัตโนมัติโดยไม่เปลี่ยนแปลงคําสั่งค้นหา แทนที่ชื่อ ตัวแทน ด้วยชื่อตัวแทนของคุณ

let Window = 7d;
let AgentName = "<Agent name>";
let LatestConvo = toscalar(
    dependencies
    | where timestamp > ago(Window)
    | where tostring(customDimensions["gen_ai.agent.name"]) == AgentName
    | where isnotempty(tostring(customDimensions["gen_ai.conversation.id"]))
    | top 1 by timestamp desc
    | project tostring(customDimensions["gen_ai.conversation.id"])
);
dependencies
| where timestamp > ago(Window)
| where tostring(customDimensions["gen_ai.conversation.id"]) == LatestConvo
| order by operation_Id asc, iff(name == "InvokeAgent", 0, 1) asc, timestamp asc
| mv-apply Key = bag_keys(customDimensions) on (
    where Key startswith "gen_ai."
    | summarize OTelGenAI = make_bag(bag_pack(tostring(Key), customDimensions[tostring(Key)]))
  )
| project timestamp, name, id, operation_Id, operation_ParentId,
          duration, target, type, cloud_RoleName, resultCode,
          OTelGenAI, customDimensions
| evaluate bag_unpack(OTelGenAI, 'ga_')

คิวรี 5: ส่งกลับบทสนทนาล่าสุดสำหรับเอเจนต์รากพร้อมเอเจนต์ลูกทั้งหมด รวมถึงเอเจนต์ย่อย

คําค้นหานี้จะคืนค่าการสนทนาล่าสุดสําหรับเอเจนต์ที่มีชื่อ มันจะคืนค่าทุกช่วงสําหรับการสนทนานั้นและสําหรับซับเอเจนต์ระดับหนึ่งทั้งหมดที่มันเรียกใช้ เมื่อเอเจนต์เรียกใช้เอเจนต์อื่นเป็นเครื่องมือ ซับเอเจนต์จะรับรหัสการสนทนาของพาเรนต์พร้อม _<subConversationId> คําต่อท้าย โครงสร้างต้นไม้ทั้งหมดจะถูกสร้างขึ้นใหม่โดยจับคู่จาก ID ระดับบนสุด แทนที่ชื่อ ตัวแทน ด้วยชื่อตัวแทนของคุณ

let Window = 7d;
let AgentName = "<Agent name>";
let LatestRoot =
    toscalar(
        dependencies
        | where timestamp > ago(Window)
        | extend
            AgentName_ = tostring(customDimensions["gen_ai.agent.name"]),
            ConversationId = tostring(customDimensions["gen_ai.conversation.id"])
        | where AgentName_ == AgentName
        | where isnotempty(ConversationId)
        | where ConversationId !has "_"
        | summarize arg_max(timestamp, ConversationId)
        | project ConversationId
    );
dependencies
| where timestamp > ago(Window)
| extend
    ConversationId = tostring(customDimensions["gen_ai.conversation.id"]),
    AgentName_ = tostring(customDimensions["gen_ai.agent.name"]),
    ToolName = tostring(customDimensions["gen_ai.tool.name"]),
    ToolResult = tostring(customDimensions["gen_ai.tool.callresult"])
| where isnotempty(ConversationId)
| where ConversationId == LatestRoot
    or ConversationId startswith strcat(LatestRoot, "_")
| extend
    Depth = countof(ConversationId, "_"),
    AgentRole = iff(ConversationId == LatestRoot, "root", "sub-agent")
| extend
    InputMessages = parse_json( tostring(customDimensions["gen_ai.input.messages"]) ),
    OutputMessages = parse_json( tostring(customDimensions["gen_ai.output.messages"]) )
| extend
    UserInput = tostring(InputMessages[0].parts[0].content),
    AgentOutput = tostring(OutputMessages[0].parts[0].content)
| order by timestamp asc
| project
    timestamp, name, AgentRole, Depth, AgentName, ToolName, ToolResult, UserInput,
    AgentOutput, id, operation_Id, operation_ParentId, ConversationId, duration,
    target, type, cloud_RoleName, resultCode, customDimensions

ข้อจํากัดและข้อควรพิจารณาที่ทราบ

• ค่านี้ duration ไม่สามารถใช้ได้กับ agent traces แบบคลาสสิก
• ข้อผิดพลาดในการทํางานของเอเจนต์และเครื่องมือยังไม่แสดงสถานะการติดตามอย่างถูกต้องในขณะนี้
• ขึ้นอยู่กับข้อกําหนดการอยู่อาศัยของข้อมูล คุณอาจต้องการใช้ทรัพยากร Application Insights เฉพาะสําหรับแต่ละภูมิภาคสภาพแวดล้อม
• ปัจจุบันสแปนของซับเอเจนต์มี InvokeAgent เป็นสแปนแม่ที่เรียกเอเจนต์ แทนที่จะเป็นสแปน InvokeAgent ภายในเทรซของตัวเอง
• ปัจจุบัน Trace และ span ID ถูกส่งออกเป็น GUID (พร้อมคำนำหน้าเมื่อจำเป็น) แทนที่จะเป็น trace ID แบบเลขฐานสิบหก 32 ตัวและ span ID แบบเลขฐานสิบหก 16 ตัวที่สอดคล้องกับมาตรฐาน OpenTelemetry อย่างครบถ้วน
• ตรวจสอบให้แน่ใจว่าเปิดใช้งาน การตรวจสอบสิทธิ์ในเครื่อง บนทรัพยากร Application Insights เป้าหมาย
• การส่งออกเทเลเมทรีไม่ใช่ธุรกรรม ในช่วงเหตุการณ์บริการชั่วคราว อาจเกิดการสูญเสียข้อมูลเล็กน้อย
• อาจเกิดความไม่สอดคล้องของข้อมูลเมื่อมีการปล่อยอัปเดตการนําเข้าที่เกี่ยวข้องกับสคีมา
• เหตุการณ์ที่เกี่ยวข้องกับหัวข้อ เช่น TopicStart, TopicAction, และ TopicEnd จะไม่ถูกบันทึกด้วยเทเลเมทรีระดับสิ่งแวดล้อม
• เพื่อให้ง่ายต่อการรายงานและแก้ไขปัญหา หลีกเลี่ยงการส่งทั้งเทเลเมตรีระดับเอเจนต์และระดับสภาพแวดล้อมไปยังอินสแตนซ์ Application Insights เดียวกัน
• เทเลเมทรีที่ปล่อยออกมาสําหรับเอเจนต์ที่ถูกสร้างในประสบการณ์เอเจนต์ใหม่อาจแตกต่างจากเอเจนต์ที่สร้างในประสบการณ์การสร้างเอเจนต์แบบคลาสสิก

ข้อมูลที่เกี่ยวข้อง

• ภาพรวมของ Telemetry with Application Insights
• เทเลเมทรีระดับตัวแทนด้วย Application Insights
• ส่งออกข้อมูลไปยัง Application Insights
• Azure Application Insights