Grafana Labs 为其可观测性平台新增 AI 监视器和代码修复代理

Grafana Labs 正在扩展 Grafana Cloud，加入能够监视新出现问题的 AI 代理、可准备代码修复方案供人工审查的工具，以及一个将基础设施故障与受其影响的用户联系起来的共享知识图谱。这些产品和功能于 ObservabilityCON 2026 上发布，旨在应对两项日益紧密关联的工作：利用 AI 运维软件，以及监控投入生产环境的 AI 系统。

此次推出的功能既包括正式发布的能力，也包括公开预览和私有预览功能。Assistant Watchers 和支持 OpenTelemetry 的 Agent Observability 已正式发布，而 Grafana Cloud Agents 则进入公开预览阶段。此外，Grafana 还推出了更快的日志搜索、更多遥测成本控制功能，以及一个商业插件市场。

核心问题在于，运维团队应该允许代理自主行动到什么程度。发现异常模式、解释故障和更改生产代码，带来的影响各不相同。Grafana 此次发布让这些步骤更加紧密衔接，同时仍要求人工批准拟议的代码修复。

从监视遥测数据到提出修复方案

Assistant Watchers 允许团队用日常语言描述希望监控的内容。Watcher 并非只依赖预先设定的阈值，而是从遥测数据中学习模式，并在模式发生变化时呈现相关证据。发现结果会通过现有的 Grafana Alerting 发送；严重发现还可以触发更深入的调查。

这扩展了 Grafana Assistant 的能力。Grafana Assistant 是该公司内置的代理，可用于询问运营数据相关问题。自七月起正式提供的 Assistant Investigations，能够对警报或事故触发的事件开展耗时更长的调查。新的 Watchers 则提供了另一个切入点：团队可能尚未将新出现的变化编写成警报规则。

Grafana Cloud Agents 增设了一个受控的云端环境，Assistant 可在其中结合实时遥测数据检查代码仓库，准备修复方案，并创建拉取请求。公开预览阶段止于生成一项可供审查、等待人员批准的变更。合理的诊断结果和可运行的补丁，仍需根据应用程序的需求和部署流程进行验证。

这一点很重要，因为代理可能给出令人信服的解释，却没有充分证据作为支撑。将每项发现与遥测数据关联起来，可以为工程师提供可供检查的依据；而拉取请求则提供了一个熟悉的检查节点，以便审查实际变更。

监控代理本身

此次发布的另一部分涉及已在应用程序中运行的 AI 工作负载。正式发布的 Agent Observability OpenTelemetry 支持，可将代理活动纳入与其他服务相同的开放式检测标准。

Grafana 的 Agent Observability 产品文档介绍了如何回放提示、工具调用和响应构成的对话，并监控延迟、令牌消耗、模型成本、评估和实验。这有助于团队区分高成本的模型调用与响应缓慢的下游服务，也有助于在提示或工具发生变化后调查质量回退。

基础设施运行状况和回答质量需要采用不同的衡量方式。即使服务仍可用，代理也可能使用错误的工具或给出糟糕的回答。将运营遥测与评估相结合，可以拓宽工程师能够调查的问题范围；但这并不意味着所有质量判断都能自动完成。

连接症状与影响的知识图谱

Grafana 还将在每个 Grafana Cloud 堆栈中部署 Knowledge Graph。这个运行时上下文层将应用程序、数据库、云服务、Kubernetes 基础设施和面向用户的遥测数据关联起来。团队可以添加自定义实体和关系，以表示对自身重要的产品或业务系统。

自定义实体和面向代理的运行时上下文已正式发布。新增的 Cypher 查询功能允许代理从图谱中检索关系；Grafana 表示，Assistant 以及通过 gcx 连接的代理都可以访问这些上下文。其目的是重复利用已有的依赖关系视图，而不是在每次调查时都从原始日志中重新构建。

Grafana 现有的 Cloud MCP 服务器文档为了解其支持外部代理的方式提供了有用背景。托管服务器允许兼容的客户端使用 OAuth 授权查询 Grafana 数据，访问范围则受用户的 Grafana 权限限制。因此，在不同工具间共享运营上下文，也取决于围绕这些数据配置的权限和边界。

还有几项扩展功能仍处于预览阶段。包含所有权信息的服务目录、Mobile Observability、Critical User Journeys，以及带有 Knowledge Graph 的 Operational Context 均处于私有预览阶段。Session Replay 和 Grafana Workflows 处于公开预览阶段。Response Console 可将人工响应人员和代理带入同一个事故工作区，目前处于私有预览阶段。

这些差异对采用计划很重要。团队现在可以基于已正式发布的图谱功能进行构建，但在依赖更广泛的事件响应工作流之前，应分别评估预览功能的访问权限和成熟度。

更多遥测数据让成本控制成为 AI 技术栈的一环

智能体会产生更多需要检查的活动数据：模型请求、工具调用、代码变更，以及它们所接触的应用程序的运行情况。如何在不以全额成本保留每一项信号的同时，让这些信息继续发挥作用，也是此次发布的重点之一。

Grafana Cloud Logs 全面推出基于 Grafana 于 2026 年 4 月收购的 Logline 技术的全文搜索增强功能。Grafana 表示，这些改进可加快在对象存储中搜索请求 ID 等罕见值的速度，且不产生额外费用。对于需要查找某个特定事件、而非汇总趋势的调查工作，这项能力尤为重要。

Adaptive Logs Archive 目前处于公开预览阶段，可将日志以开放格式路由至客户自有的对象存储存储桶。已全面推出的 Adaptive Metrics Auto-Apply 会自动应用降低基数的建议，并提供旨在防止活动序列总数增加的 Cost Mode（成本模式）。另一项已全面推出的更新功能允许开发者按 ID 检索过去 24 小时内的跟踪记录，即使这些记录已被 Adaptive Traces 丢弃也不例外。

这种权衡不仅涉及财务，也关系到运营：保留和采样策略决定了故障发生后还能获取哪些证据。客户自有的归档方案和明确的跟踪记录检索时间窗口为团队提供了更多选择，但团队仍需制定符合调查和合规需求的策略。

商业化市场与循序渐进的自主化路径

正式推出的 Grafana Marketplace 在现有插件生态中新增了来自经验证合作伙伴的付费插件。付费层级的 Grafana Cloud 客户可以先试用 14 天，之后通过现有账单按月订阅。合作伙伴负责提供插件支持，Grafana 则负责处理账单。现有的免费插件分发方式仍然保留。

这些公告与 Grafana Labs 和 ETR 发布的《2026 年可观测性现状报告》同期推出，该报告基于对 300 位 IT 和工程领域领导者的调查。新闻稿称，68% 的受访者已将 AI 在可观测性领域的应用从调查阶段推进到试点或生产环境。在只读调查方面，受访者的接受度明显更高，为 85%；而对于完全自主的修复，接受度为 52%。

这些调查回应反映的是采用情况和态度，并不能证明新近公布的工具有多可靠。不过，它们确实说明了此次发布的方向：自动化检测与调查、提供共享的依赖关系记录，并让拟议的操作可以接受审查。对工程团队而言，实际检验标准在于，这种组合能否带来更有力的证据、减少重复调查，同时明确谁应对后果重大的变更负责。