Application Insights ile ortam düzeyinde telemetri (önizleme)

[Bu makale yayın öncesi belgedir ve değişebilir.]

Azure Uygulaması Insights kullanarak yönetilen bir ortamdan dışa aktarılan Copilot Studio ajan traces'lerini izleyin. İxracat yaptıktan sonra, Azure İzleyici ve Application Insights kullanarak ajan çalıştırmalarını doğrulayın, düğüm ve araç çalıştırmasını izleyin, uyarılar oluşturun ve operasyonel analiz için özel sorgular ve dashboard'lar oluşturun.

Note

Hem standart demetle hem de GitHub Copilot demetiyle çalışan ajanlar için ortam düzeyinde telemetri mevcuttur.
Özel önizlemeden sonra, kök ajan çağrıları (invoke_agent) artık (diğer tüm aralıklarla birlikte) olarak dependencies yayımlanır, requestsdeğil. Sonuç olarak, küresel dağıtım tamamlanana kadar ajan kök çağrı izleri requests tablosunda görünmeye devam edebilir.
Bu önizleme özelliğini en son telemetri stratejisi ve yetenekleriyle değerlendirmek için, Erken Sürüm döngüsü etkinleştirilmiş üretim dışı bir ortamda test yapabilirsiniz.
Bu özellik şu anda küresel olarak yayımlanıyor ve henüz ortamlarınızda tam olarak mevcut olmayabilir.
Bu özellik yalnızca yönetilen ortamlar için mevcuttur.
Application Insights'ta yalnızca Copilot Studio'da oluşturulmuş ajanların logları, deklaratif ajanlar hariç tutulur.
Copilot Studio ajan telemetrisi için yalnızca ortam düzeyinde bir Application Insights stratejisini benimsemek için, organizasyonlar ajan düzeyinde Application Insights telemetrisini devre dışı bırakmayı seçebilirler.

Bu makale, Copilot Studio ajanı izlerinin Azure Uygulaması Insights'a çevresel düzeyde dışa aktarılmasının Power Platform yönetim merkezi aracılığıyla nasıl yapılandırılacağını açıklar.

Important

Bu makale Microsoft Copilot Studio önizleme belgelerini içerir ve değiştirilebilir.

Önizleme özellikleri, üretimde kullanıma yönelik değildir ve sınırlı işlevselliğe sahip olabilir. Bu özellikler, önceden erişebilmeniz ve geri bildirim sağlamanız amacıyla resmi sürümden önce kullanıma sunulur.

Üretime hazır bir aracı oluşturuyorsanız bkz. Microsoft Copilot Studio Overview.

Prerequisites

Veri dışa aktarma bağlantısını kurmadan önce, Veriyi Application Insights'a aktarma önkoşullarını tamamla.

Dışa aktarılanlar

Dışa aktarmayı etkinleştirdiğinizde, Copilot Studio ajan iz telemetrisi, İz odaklı, OpenTelemetri uyumlu bir gözlemlenebilirlik formatında Application Insights'a yazılır; bu format araştırma, gösterge panelleri ve uyarı desteğini destekler.

Copilot Studio ajan olayları, dependencies tablosuna span olarak yazılır. Her dışa aktarılan olay (, , ve ) tek bir span satırıdır (InvokeAgentExecuteToolOutputMessages).itemType = dependency

Span’lerin bir izi nasıl oluşturduğu

Telemetri, operation_Id ve operation_ParentId sütunları aracılığıyla yeniden oluşturulan OpenTelemetry iz ve aralık modelini takip eder:

Her ajan turu, paylaşılan bir ile tanımlanan kendi operation_Id; bu, Application Insights’ın bu turu gruplandırmasına ve uçtan uca işlem görünümünde görüntülemesine olanak tanır.
InvokeAgent span'i, kendi adımının izindeki kök'tür. ExecuteTool ve bağlı OutputMessages span’leri onun altında iç içe yer alır; her biri operation_ParentId = InvokeAgent span’inin id değerini taşır.
Bir konuşma birden fazla tur boyunca uzanır, her biri ayrı bir iz olarak yayılır. Tek bir konuşmanın dönüşlerini yeniden bir araya getirmek için gen_ai.conversation.id göre gruplayın veya filtreleyin.
OutputMessages span’ler her zaman bir InvokeAgent kökü oluşturmaz; bu nedenle (tasarım gereği) karşılık gelen bir üst span olmadan gelebilir ve tek düğümlü, bağımsız bir iz olarak görünebilir.

Dışarı aktarma paketi oluştur

Power Platform yönetim merkezi belgelerindeki Dışa aktarma paketi oluşturma bölümündeki yönergeleri izleyerek, dışa aktarma türü Copilot Studio olarak ayarlanmış bir dışa aktarma paketi oluşturun.

Yapılandırmayı doğrulama

Dışa aktarma yapılandırmasını kaydettikten sonra, ajanla bir test görüşmesi yapın ve telemetrinin Application Insights'a ulaştığını doğrulayın. Yeni konfigürasyonlarda telemetri teslimatı 24 saate kadar sürebilir. Bunu doğrulayın:

Ajan aralıkları dependencies tabloda yer alır.
Her dönüşün InvokeAgent, ExecuteTool ve OutputMessages aralıkları ortak bir operation_Id paylaşır.

Uygulama İçgörü alanları

Aşağıdaki tablo, tablodaki dependencies alanları ve üç dışa aktarılan ajan olayının her biri için hangi alanların doldurulduğunu gösterir: InvokeAgent, ExecuteTool, ve OutputMessages. Ajan ve işlem anlamları, yerel sütunlarda değil, customDimensions içinde bulunur (gen_ai.* anahtarları; örneğin gen_ai.operation.name).

Tablodaki `dependencies` alanlar	InvokeAgent	ExecuteTool	Çıkış İletileri	Örnek değer
`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`	✔️	✔️	✔️	Daha fazla bilgi için customDimension özelliklerinde bilgi edinin
`operation_Id`	✔️	✔️	✔️	`trace-1111aaa1-aa11-11aa-11a1-a1aaa1111aa1` (turdaki her aralık tarafından paylaşılan)
`operation_ParentId`	✔️	✔️	✔️	Dönüşün `InvokeAgentid` alt span'ler için; `InvokeAgent` span'i için iz kökü
`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`	✔️	✔️	✔️	-

customDimensions özellikleri

Her span customDimensions JSON'u içerir. Aşağıdaki tablo, her izleme aralığında görünen ortak anahtarları gösterir:

Key	Örnek değer
`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`

Olaya özgü anahtarlar

Aşağıdaki tablo olaya özgü anahtarları gösterir:

Key	InvokeAgent	ExecuteTool	Çıkış İletileri	Description
`gen_ai.input.messages`	✔️	-	-	JSON dizisi `{role, parts:[{content, type}]}`—kullanıcı isteği
`gen_ai.output.messages`	-	-	✔️	JSON dizisi—ajanın cevabı
`gen_ai.tool.name`	-	✔️	-	Örneğin, `workiqsharepoint:mcp_SharePointRemoteServer`
`gen_ai.tool.type`	-	✔️	-	Örneğin, `MCP - Power Platform Connector`
`gen_ai.tool.call.id`	-	✔️	-	Araç çağrı tanımlayıcısı
`gen_ai.tool.call.arguments`	-	✔️	-	Araca gönderilen JSON yükü
`gen_ai.tool.call.result`	-	✔️	-	Araç tarafından geri getirilen JSON yükü

Mevcut şemayı keşfedin

Bu makalede belgelenen şema zamanla evrilebilir. Sadece daha önce bahsedilen tablolara güvenmek yerine, kendi ortamınızdaki en güncel şemayı incelemek için aşağıdaki soruları kullanın.

Yerel tablo sütunlarını listele

Aşağıdaki sorgu, tablonun dependencies sütun düzeyindeki şemasını döndürür. Sorgular, gösterge panelleri veya uyarılar oluştururken mevcut yerel sütunları doğrulamak için bunu kullanın.

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

customDimensions anahtarlarını (dinamik özellikler) keşfedin

Aşağıdaki sorgu, customDimensions tablosundaki dependencies JSON’u içindeki tüm anahtarları listeler: özellik adı, hangi ajan olaylarında göründüğü (InvokeAgent, ExecuteTool, OutputMessages) ve örnek bir değer. Yerel sütun şemasının aksine, bu özellikler dinamiktir, bu yüzden SDK yeni gen_ai.* veya diğer anahtarlar ekledikçe bu sorgu doğru kalır. Kullanılabilir öznitelikler için güncel ve esas referans kaynağı olarak kullanın.

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

Dışa aktarılan telemetri

Ajan etkinliğini sorgulamak ve ajan veya araç çalıştırmasını incelemek için Application Insights Logs'u kullanın. Dışa aktarılan tüm telemetri, dependencies tablosunda span olarak yer alır:

Her ajan turu bir izdir ve paylaşılan bir operation_Id ile gruplandırılır.
InvokeAgent span'i izleme köküdür; ExecuteTool ve OutputMessages span'leri, operation_ParentId aracılığıyla onun altında iç içe yer alır.
Aynı konuşmanın birden fazla turunu takip etmek için grup gen_ai.conversation.id oluştur ve bu ID'yi _ alt ajan izlerini de dahil etmek için böl.

Ajan (önizleme) bıçakları

Loglara ek olarak, Application Insights Kusto sorguları yazmadan dışa aktarılan GenAI telemetrisini görselleştiren yerleşik Ajan (önizleme) görünümleri sunar. Copilot Studio, span’lerini dependencies tablosuna yazdıkça bu blade’ler doğrudan bu veriden okur:

Ajan Çalıştırmaları: InvokeAgent span’lerinden oluşturulan ajan çağrılarını, sürelerini, başarı durumlarını ve her çalıştırmanın ait olduğu konuşmayı listeler. Bazı sınırlamalar geçerlidir; Daha fazla bilgi için Bilinen sınırlamalar ve dikkate alınanlar bölümünde.
Araçlar: Ajanların hangi araçları aradığını, ne sıklıkla ve nasıl performans gösterdiğini göstermek için ExecuteTool aralıkları birleştirir.
Modeller: Çalıştırmalar boyunca model kullanımını özetler, çağrılan modelleri ve çağrı desenlerini ortaya çıkarır.

Ajan telemetrisini Application Insights ile analiz edin

Ortamınızı Application Insights'a bağladıktan sonra, kullanıcılar ajanla etkileşimde bulunduğunda, Copilot Studio'daki test sırasında da dahil olmak üzere, ajan telemetri verilerini kaydeder. Kayıtlı telemetri verilerini görmek için Azure'daki Application Insights kaynağınızın Logs bölümüne gidin. Burada, verilerinizi sorgulamak ve analiz etmek için Kusto sorgularını kullanabilirsiniz. Daha fazla bilgi için Örnek Sorgular.

Örnek sorgular

Aşağıdaki Kusto sorgu örnekleri, Application Insights'taki tablodan Copilot Studio ajan konuşmalarını dependencies yeniden oluşturur. Her span her dönüşte bir trace operation_Id paylaştığından, sorgular her trace içinde span’leri kök önce sıralar (InvokeAgent span’i alt span’lerinden önce gelecek şekilde).

Sorgu 1: Belirli bir konuşma kimliği için tam bir iz kaydı döndür

Bu sorgu, bilinen bir konuşmaya ait her span’ı, her kök span kendi alt span’larından önce listelenecek şekilde kronolojik sırayla döndürür. Konuşma Kimliği yer tutucusunu temsilcinizin konuşma kimliğiyle değiştirin. Özel ajanınızı test ederken aşağıdaki komutu girerek bulabilirsiniz: /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

Soru 2: Belirli bir ajan için en son konuşmayı geri getir

Bu sorgu, belirtilen zaman aralığı içinde isimlendirilmiş bir temsilci için yapılan en güncel konuşmayı bulur. Bu konuşmadaki tüm span’leri aynı kronolojik, kök-öncelikli sırada döndürür. Temsilci adı yer tutucusunu temsilcinizin adıyla değiştirin.

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

Sorgu 3: Bilinen nesil AI OpenTelemetri özelliklerini sütunlara genişletin

Bu sorgu, 2. sorguyla aynı izi döndürür; ancak bilinen her OpenTelemetry anlamsal kural anahtarını ayrı bir adlandırılmış sütuna da ayrıştırır. Sonuç, araç adı, model, kullanıcı istemi, ajan cevabı ve konuşma kimliği gibi üretken yapay zeka alanlarını doğrudan sıralayabilen, filtreleyip taradığınız düz, açıkça tanımlanmış bir tablo ortaya çıkıyor. Temsilci adı yer tutucusunu temsilcinizin adıyla değiştirin.

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

Sorgu 4: Tüm genAI OpenTelemetri özelliklerini dinamik olarak genişlet

Bu sorgu, sorgu 3 ile aynı span'leri döndürür, ancak her gen_ai.* anahtarı, customDimensions içinden dinamik olarak kendi ga_ önekli sütununa açılır. Projeksiyon dinamik olduğundan, SDK'nın daha sonra yaydığı yeni gen_ai.* öznitelik, sorgu değişmeden otomatik olarak görünür. Temsilci adı yer tutucusunu temsilcinizin adıyla değiştirin.

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_')

Soru 5: Bir kök ajanın tüm çocuklarıyla birlikte en son konuşmasını geri getirin, alt ajanlar da dahil

Bu sorgu, isimlendirilmiş bir ajan için en son konuşmayı geri getiriyor. O konuşma ve çağrıştırdığı tüm birinci seviye alt ajanlar için her zaman geri dönüyor. Bir ajan, başka bir ajanı araç olarak çağırdığında alt ajan, üst ajanın konuşma kimliğini _<subConversationId> ekiyle devralır. Tüm ağaç, üst seviye ID temel alınarak eşleştirilmesiyle yeniden oluşturulur. Temsilci adı yer tutucusunu temsilcinizin adıyla değiştirin.

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

Bilinen sınırlamalar ve hususlar

Standart harness ile çalışan ajan izleri için duration değeri mevcut değildir.
Ajan ve araç çalıştırma hataları şu anda iz durumlarında doğru şekilde yansıtılmıyor.
Veri ikamet gereksinimlerinize göre, her ortam bölgesi için özel Application Insights kaynakları kullanmak isteyebilirsiniz.
Alt-ajan span'ları şu anda, kendi izleri içindeki InvokeAgent span'ı yerine, ajanı çağıran InvokeAgent span'ına üst (parent) olarak bağlanır.
Trace ve span kimlikleri şu anda, tam olarak OpenTelemetry standardına uygun 32 onaltılık karakterden oluşan trace kimliği ve 16 onaltılık karakterden oluşan span kimliğiyle uyumlu olmak yerine, gerektiğinde önekle birlikte GUID olarak üretilir.
Hedef Application Insights kaynağında yerel kimlik doğrulamanın etkin olduğundan emin olun.
Telemetri ihracatı işlemsel değildir. Geçici hizmet olayları sırasında, küçük miktarda veri kaybı meydana gelebilir.
Şemayla ilgili veri alımı güncellemeleri devreye alınırken veri tutarsızlıkları oluşabilir.
Konu ile ilgili olaylar, örneğin TopicStart, TopicActionve TopicEnd çevre düzeyinde telemetri ile yakalanmaz.
Raporlama ve sorun gidermeyi basitleştirmek için, hem ajan düzeyinde hem de ortam düzeyindeki telemetriyi aynı Application Insights örneğine göndermekten kaçının.
GitHub Copilot koşumuyla desteklenen ajanlar oluşturma deneyiminde oluşturulan ajanlar için üretilen telemetri, standart koşumla desteklenen ajanlar oluşturma deneyiminde oluşturulan ajanlar için üretilen telemetriden farklı olabilir.

Geri Bildirim

Bu sayfayı yararlı buldunuz mu?

Last updated on 2026-08-13