继续来一文详解：这次是 OpenTelemetry GenAI 规范。[加油]
OpenTelemetry 给 LLM 和 Agent 出了一套可观测性规范，花了点时间把它拆完整理成一篇长文。

规范叫 GenAI Semantic Conventions。2024 年 4 月 GenAI SIG 成立，到现在的 v1.41，分六层：

① Client Spans — 标准化 LLM 调用（model、tokens、延迟，一行代码接入）
② Agent Spans — invoke_agent、execute_tool，传统 OTel 里没有的新概念
③ MCP 语义约定 — Agent 端和 MCP Server 端的 trace 不再断裂
④ Events — prompt/completion 内容捕获，带三种隐私模式
⑤ Metrics — duration 和 token usage 两个核心 histogram
⑥ 提供商约定 — OpenAI cache tokens、Anthropic 计费差异，都有标准处理

最有意思的是 ② 和 ③。

Agent 推理过去在 trace 里就是个黑盒，现在能标准化拆出来：invoke_agent → chat（模型决策）→ execute_tool（工具执行）→ chat → 最终回答。每一步都有标准属性，无论你是用Jaeger、Tempo 还是 Datadog 等，都能搞定，链路不再断。

MCP 这块也想说。Agent 调 MCP Server，过去两边各跑各的 trace，排查靠人肉对时间戳。这次用 W3C Trace Context 一路传下去，一个 trace_id 串到底。这种东西不出标准，永远各家私有协议互不相通。

规范本身还在 Development 状态，stable 没时间表。但核心已经稳，OpenAI Python SDK 一行接入，Datadog 原生支持，其他 Agent 框架也都在跟进，比如我发现最近 claude code 也支持了部分。OpenTelemetry 在国内外都已经越来越流行，大家都不想被绑定，个人觉的 Agent 的可观测性现在开始跟进这个开放标准，正当其时[鲜花]。

文章里六层逐一拆开，每层带属性表、JSON 示例、设计决策。不写入门，主要讲规范的结构和取舍。

👉 http://t.cn/AX6wJIQJ

做 Agent 或 LLM 应用的可以扫一眼，至少知道这一层标准在长什么样。