HeronSentry
HeronSentry 是独立可用的 AI Agent 观测面：通过标准 OTLP 采集 Agent 运行时事件，提供调用链查询、 成本聚合、告警与性能导出；不依赖套件其它产品即可单独部署。
HeronSentry
Observability Platform独立可用的 AI Agent 观测面：追踪、成本、告警与性能分析Agent 在做什么、做得怎么样、花了多少——标准 OTLP 接入，一眼可见。
- OTLP
- 开放协议；语义字段按 profile 映射
- 全量
- 默认不采样
- 实时同步入库
- 请求内完成持久化
- 独立
- 零套件依赖即可部署
典型痛点
- Agent 出故障只能看日志，没有调用链
- 成本到月底才知道，超支已成事实
- 看不见某个 Agent 是否健康、是否被滥用
核心价值
快速排查具体 Agent 的性能瓶颈
单一 Agent 出现异常时，不易区分是响应慢、报错，还是输出被长度上限截断。按 Agent 汇总响应延迟、流式首字延迟（TTFT）、错误率与截断率，连同最近模型与供应商，在 AULO 的 Agent 详情里一屏呈现。
找出 Token 与费用花在哪里
多节点运行大量 Agent 时，Token 与费用突增往往找不到根源。采集的用量与费用在 AULO 资源总览里按模型、宿主机与 Agent 分组展示，哪个模型、哪台机器上的哪个 Agent 消耗最多，一目了然。
核算每个项目的实际 AI 成本构成
推进具体业务项目时，模型调用支出难以清晰核算到各环节。将项目的 Token 与费用按模型与 Agent 归集，并拆出输入、缓存命中与输出三类 Token，帮助评估投入。预算利用率来自 PathPilot。
第一时间收到运行时异常告警
Agent 出现错误率激增或成本突增时，值班人员难以及时察觉。错误率、成本突增、采集积压与同工具高频调用会触发告警。生成的告警在 AULO 告警页查看，并由 AULO 通知相应负责人。
按业务需要设定告警阈值
固定规则在不同阶段容易告警过多或漏报。在 AULO 上按需新建告警规则并设定阈值与级别，内置规则可逐条启停，支持按来源筛选；规则由 HeronSentry 执行评估。
核心能力
数据接入
追踪与可视化
成本与性能
告警
能做 / 不做
能做
- 标准 OTLP 协议接收：接收 Traces / Metrics / Logs，三类信号处理深度不同
- 端到端分布式调用链：还原 Agent 思考、工具调用与模型交互拓扑
- 精细化 Token 成本核算：按缓存读写拆分，支持实时成本归因与分析
- 多维度智能告警：错误率、成本突增、积压与异常调用的实时告警
- Agent 专项可靠性指标：首字延迟（TTFT）、截断率、工具拒绝率分析
- 数据分析与审计导出：为 OwlAudit 及管理层提供指标与审计数据支撑
不做
- 不作为通用企业海量全文检索日志中心（专注于 Agent 运行时关联的 OTLP 结构化链路与日志）
- 不替代主机与网络级基础设施监控（专注于 Agent 应用层与大模型交互语义层观测）
- 不执行主动任务干预与阻断（仅负责只读观测与告警，拦截动作归 OwlAudit / NodalOS）
按角色看
技术负责人
标准 OTLP 接入，不锁定特定框架；可与现有观测栈并存，但不宣称复用其后端
合规与风控
OwlAudit 可从本服务拉取运行导出
业务负责人
成本归因清晰，Agent 投入产出可衡量
集成与依赖
NodalOS OTLP 推送（需在 NodalOS 侧开启自身遥测上报）AULO 告警页PathPilot 成本回写与运行健康（错误率 / P95 / 超时）OwlAudit 可拉取 traces / 成本 / 告警导出