Observabilidad de agentes
Operaciónagent observability · LLM observability · trazabilidad de agentes
Instrumentación que deja ver qué hizo un agente y por qué: prompt, respuesta del modelo, tokens, llamadas a herramientas, latencia, coste y resultado de cada paso. Sin ella no puedes auditar una decisión ni saber si el agente empeoró esta semana.
La observabilidad de agentes extiende las tres señales clásicas (trazas, métricas, logs) al comportamiento agéntico: cada paso de razonamiento, cada llamada a herramienta y cada traspaso entre agentes se convierte en un span correlacionable con el resto del stack. El estándar de facto son las Semantic Conventions GenAI de OpenTelemetry, con atributos como gen_ai.request.model, gen_ai.usage.input_tokens o gen_ai.operation.name; Datadog anunció soporte nativo de la v1.37 en diciembre de 2025. El término tiene uso público establecido en el ecosistema de observabilidad; lo que es formulación editorial de Implementa es tratarla como requisito previo —no como extra— para vender autonomía a un cliente: si no puedes enseñar la traza, no puedes defender la decisión.
En qué se diferencia de
- Monitorización de infraestructura
- Mide CPU, latencia y errores del servicio; no explica la decisión del agente.
- Evaluación de agentes
- La observabilidad registra lo que pasó en producción; la evaluación juzga si estuvo bien.
Ejemplos
- Reconstruir por qué un agente de facturación aplicó un descuento: prompt, documento recuperado, herramienta llamada y respuesta.
- Alertar cuando el coste medio por ejecución sube un 30% tras cambiar de modelo.
Preguntas frecuentes
- ¿Basta con guardar los logs del modelo?
- No. Sin correlación entre pasos, herramientas y transacción de negocio no puedes reconstruir la cadena de decisión.
- ¿Hay estándar abierto?
- Sí: las Semantic Conventions GenAI de OpenTelemetry, en beta y ya soportadas por plataformas comerciales.
Términos relacionados
Fuentes y lecturas
OpenTelemetry — Inside the LLM Call: GenAI Observability with OpenTelemetry · 2026-05-14 · E3