Cloud Monitor：基於MCP協議實現端到端全鏈路追蹤

1. 前置條件

Python版本 ≥ 3.8

2. 準備環境變數

為 Python 應用配置環境變數，另外示範情境中需要調用大模型處理使用者問題，此處以百鍊大模型為例，環境變數中還需配置百鍊API-Key，

export ARMS_APP_NAME=xxx   # 應用程式名稱。
export ARMS_REGION_ID=xxx   # 對應的阿里雲帳號的RegionID。
export ARMS_LICENSE_KEY=xxx   # 阿里雲 LicenseKey。
export ARMS_IS_PUBLIC=True   # 添加該環境變數表示使用公網訪問。
export BALIAN_API_KEY=sk-************   # 百鍊API-Key。

您可以通過DescribeTraceLicenseKey OpenAPI擷取阿里雲LicenseKey。

3. 安裝 Python 依賴

# 安裝專案依賴
pip install mcp==1.10.1 langchain-mcp-adapters langgraph "langchain[openai]" aliyun-bootstrap rich mcp_server_aliyun_observability -y

# 安裝 ARMS Python 探針
aliyun-bootstrap -a install

1. 啟動 SLS MCP 伺服器

在終端中執行以下命令，在本地啟動 SLS MCP 伺服器。擷取 AccessKey 的方法，請參見建立AccessKey。

aliyun-instrument python -m mcp_server_aliyun_observability \
  --transport sse \
  --access-key-id <阿里雲AccessKey ID> \
  --access-key-secret <阿里雲AccessKey Secret>

當看到如下日誌輸出時，說明 MCP 伺服器已啟動，ARMS Python 探針已經成功注入到 MCP 伺服器中。

Load Aliyun python agent version: 1.6.1

2. 啟動 Langchain Demo 程式

建立 demo.py 檔案，執行 aliyun-instrument python demo.py 來啟動此 Demo 程式。

此處樣本Demo建立了一個 Agent，並向 Agent 提了兩個問題，該 Agent 會使用 SLS MCP 服務處理日誌分析請求。

from contextlib import asynccontextmanager
from mcp import ClientSession
from mcp.client.sse import sse_client
from langchain_mcp_adapters.tools import load_mcp_tools
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI
import asyncio
from opentelemetry import trace
import os

tracer = trace.get_tracer(__name__)

# 建立一個大模型對象
model = ChatOpenAI(
    model="qwen-turbo",
    api_key=os.getenv("BALIAN_API_KEY"),  # 百鍊 API Key
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

# 建立 agent
@asynccontextmanager
async def sls_agent():
    with tracer.start_as_current_span("langchain-demo"):
        async with sse_client(url="http://0.0.0.0:8000/sse") as (read, write):
            async with ClientSession(read, write) as session:
                await session.initialize()
                tools = await load_mcp_tools(session)
                agent = create_react_agent(model, tools)
                yield agent

def print_response(response):
    for message in response['messages']:
        print(message.content)

async def main():
    # 建立一個 sls agent
    async with sls_agent() as agent:
        # 調用模型處理問題
        response = await agent.ainvoke(
            {"messages": "我要查詢我在杭州地區的project的列表，取前10個"}
        )
        print_response(response)

        # 繼續追問
        response = await agent.ainvoke(
            {
                "messages": "查詢杭州地區下 demo-test 這個 project 下的 loghub_master 日誌庫的日誌，分析最近十分鐘寫入了多少條日誌"
            }
        )
        print_response(response)

if __name__ == "__main__":
    asyncio.run(main())

程式將會輸出如下結果：

我要查詢我在杭州地區的project的列表，取前10個

以下是您在杭州地區（cn-hangzhou）的前10個專案列表：

1. sls-aysls-pub-cn-hangzhou-b-xxxx
2. e2e-test-xxxx
3. workspace-xxxx
4. ws-xxxx (描述: Create by o11y)
5. clickbench8 (描述: clickbench8)
6. clickbench16 (描述: clickbench16)
7. clickbench (描述: clickbench)
8. job-e2e-project-xxxx
9. job-e2e-project-xxxx
10. job-e2e-project-xxxx
如果需要查詢更多專案，您可以提供專案的關鍵詞進行模糊搜尋。

查詢杭州地區下 demo-test 這個 project 下的 loghub_master 日誌庫的日誌，分析最近十分鐘寫入了多少條日誌

在最近的十分鐘內，`demo-test` 專案下的 `loghub_master` 日誌庫共寫入了 **8641 條日誌**。