可观测与调试

AgentScope Java 提供了多种机制来观测和调试智能体的执行过程：

Studio（可视化调试）：通过 Web 界面实时可视化和交互式调试
OpenTelemetry 链路追踪：通过 OTLP 协议将 Trace 数据导出到外部可观测性平台（如 Langfuse、Jaeger）

Studio（可视化调试）

Studio 提供 Web 界面实时可视化 Agent 执行过程，支持交互式调试和消息追踪。

核心特性

实时可视化：Web 界面展示 Agent 推理和执行过程
交互式输入：通过 Web UI 与 Agent 对话
消息追踪：查看完整的消息流和Trace
多 Run 管理：支持多个实验运行的组织和比较

快速开始

1. 启动 Studio Server

从源码启动

git clone https://github.com/agentscope-ai/agentscope-studio
cd agentscope-studio
npm install
npm run dev

npm安装

npm install -g @agentscope/studio  # or npm install @agentscope/studio
as_studio

Studio 将运行在 http://localhost:5173（前端开发服务器）

2. Java 应用集成

import io.agentscope.core.studio.StudioManager;
import io.agentscope.core.studio.StudioMessageHook;
import io.agentscope.core.studio.StudioUserAgent;

// 初始化 Studio 连接
StudioManager.init()
    .studioUrl("http://localhost:3000")
    .project("MyProject")
    .runName("demo_" + System.currentTimeMillis())
    .initialize()
    .block();

// 创建带 Hook 的 Agent
ReActAgent agent = ReActAgent.builder()
    .name("Assistant")
    .model(model)
    .hook(new StudioMessageHook(StudioManager.getClient()))
    .build();

// Agent 消息自动发送到 Studio
agent.call(msg).block();

// 清理资源
StudioManager.shutdown();

3. 在AgentScope Studio 查看Trace信息

StudioUserAgent

通过 Web UI 接收用户输入。

import io.agentscope.core.studio.StudioUserAgent;

// 创建用户 Agent
StudioUserAgent user = StudioUserAgent.builder()
    .name("User")
    .studioClient(StudioManager.getClient())
    .webSocketClient(StudioManager.getWebSocketClient())
    .build();

// 等待 Web UI 用户输入
Msg userInput = user.call(null).block();

您可以在Studio中的Projects中找到该Project，通过WebUI的方式进行调试

对话循环

Msg msg = null;
while (true) {
    // 从 Web UI 获取用户输入
    msg = user.call(msg).block();

    if (msg == null || "exit".equalsIgnoreCase(msg.getTextContent())) {
        break;
    }

    // Agent 处理
    msg = agent.call(msg).block();
}

完整示例

package io.agentscope.examples;

import io.agentscope.core.ReActAgent;
import io.agentscope.core.message.Msg;
import io.agentscope.extensions.model.dashscope.DashScopeChatModel;
import io.agentscope.core.studio.StudioManager;
import io.agentscope.core.studio.StudioMessageHook;
import io.agentscope.core.studio.StudioUserAgent;

public class StudioExample {

    public static void main(String[] args) throws Exception {
        String apiKey = System.getenv("DASHSCOPE_API_KEY");

        System.out.println("Connecting to Studio at http://localhost:3000...");

        // 初始化 Studio
        StudioManager.init()
            .studioUrl("http://localhost:3000")
            .project("JavaExamples")
            .runName("studio_demo_" + System.currentTimeMillis())
            .initialize()
            .block();
        System.out.println("Connected to Studio\n");

        try {
            // 创建 Agent（带 Studio Hook）
            ReActAgent agent = ReActAgent.builder()
                .name("Assistant")
                .sysPrompt("You are a helpful AI assistant.")
                .model(DashScopeChatModel.builder()
                    .apiKey(apiKey)
                    .modelName("qwen3-max")
                    .build())
                .hook(new StudioMessageHook(StudioManager.getClient()))
                .build();

            // 创建用户 Agent
            StudioUserAgent user = StudioUserAgent.builder()
                .name("User")
                .studioClient(StudioManager.getClient())
                .webSocketClient(StudioManager.getWebSocketClient())
                .build();

            // 对话循环
            System.out.println("Starting conversation (type 'exit' to quit)");
            System.out.println("Open http://localhost:3000 to interact\n");

            Msg msg = null;
            int turn = 1;
            while (true) {
                System.out.println("[Turn " + turn + "] Waiting for user input...");
                msg = user.call(msg).block();

                if (msg == null || "exit".equalsIgnoreCase(msg.getTextContent())) {
                    System.out.println("\nConversation ended");
                    break;
                }

                System.out.println("[Turn " + turn + "] User: " + msg.getTextContent());
                msg = agent.call(msg).block();

                if (msg != null) {
                    System.out.println("[Turn " + turn + "] Agent: "
                        + msg.getTextContent() + "\n");
                }
                turn++;
            }

        } finally {
            System.out.println("\nShutting down...");
            StudioManager.shutdown();
            System.out.println("Done\n");
        }
    }
}

高级用法

手动推送消息

StudioClient client = StudioManager.getClient();

Msg customMsg = Msg.builder()
    .role(MsgRole.ASSISTANT)
    .content(TextBlock.builder().text("自定义消息").build())
    .build();

client.pushMessage(customMsg).block();

多 Agent 可视化

// 为每个 Agent 添加 Hook
ReActAgent agent1 = ReActAgent.builder()
    .name("Agent1")
    .hook(new StudioMessageHook(client))
    .build();

ReActAgent agent2 = ReActAgent.builder()
    .name("Agent2")
    .hook(new StudioMessageHook(client))
    .build();

// Studio 将分别显示两个 Agent 的消息

OpenTelemetry 链路追踪

AgentScope Java 集成了 OpenTelemetry，提供分布式链路追踪能力。你可以将 Trace 导出到任何支持 OTLP 协议的平台，如 Langfuse。

快速开始

使用 TelemetryTracer 并通过 TracerRegistry 注册，即可自动追踪所有智能体调用、模型调用和工具执行：

import io.agentscope.core.tracing.TracerRegistry;
import io.agentscope.core.tracing.telemetry.TelemetryTracer;

// 注册 TelemetryTracer，配置 OTLP 端点
TracerRegistry.register(
    TelemetryTracer.builder()
        .endpoint("https://your-otlp-endpoint/v1/traces")
        .build()
);

// 注册后，所有智能体活动将自动被追踪
ReActAgent agent = ReActAgent.builder()
    .name("Assistant")
    .model(model)
    .build();

注册后，追踪器会自动捕获：

智能体调用 — 每次 agent.call() 生成一个 Span
模型调用 — 每次 LLM 调用生成一个 Span
工具执行 — 每次工具调用生成一个 Span
格式化 — 消息格式化生成一个 Span

无需额外代码 — 追踪在全局范围内自动生效。

配置选项

TelemetryTracer 支持以下 Builder 选项：

选项	描述	默认值
`endpoint`	OTLP 端点 URL	—
`addHeader`	添加单个 HTTP 请求头（如用于认证）	—
`headers`	以 `Map` 形式设置所有 HTTP 请求头	—
`enabled`	启用或禁用追踪	`true`
`tracer`	使用自定义的 OpenTelemetry `Tracer` 实例	—

接入 Langfuse

Langfuse 是一个开源的可观测性平台，支持 OpenTelemetry 协议。你可以将 Trace 发送到 Langfuse Cloud 或自部署的实例。

import io.agentscope.core.tracing.TracerRegistry;
import io.agentscope.core.tracing.telemetry.TelemetryTracer;
import java.util.Base64;

// 将 Langfuse API Key 编码为 Base64
String publicKey = "pk-lf-xxxxxxxx";
String secretKey = "sk-lf-xxxxxxxx";
String encoded = Base64.getEncoder().encodeToString((publicKey + ":" + secretKey).getBytes());

TracerRegistry.register(
    TelemetryTracer.builder()
        .endpoint("https://cloud.langfuse.com/api/public/otel/v1/traces")
        .addHeader("Authorization", "Basic " + encoded)
        .addHeader("x-langfuse-ingestion-version", "4")
        .build()
);

注意：使用 Langfuse 的 OTLP 端点时，x-langfuse-ingestion-version 请求头是必需的，请确保包含此头部。

运行智能体后，你可以在 Langfuse 控制台中查看 Trace，包括完整的调用链、延迟以及每一步的输入/输出。

接入其他 OTLP 后端

任何支持 OTLP 协议的平台都可以使用。例如，将 Trace 发送到本地 Jaeger 实例：

TracerRegistry.register(
    TelemetryTracer.builder()
        .endpoint("http://localhost:4317")
        .build()
);

快速开始

功能指南

多智能体

Harness

Studio（可视化调试）

核心特性

快速开始

1. 启动 Studio Server

2. Java 应用集成

3. 在AgentScope Studio 查看Trace信息

StudioUserAgent

对话循环

完整示例

高级用法

手动推送消息

多 Agent 可视化

OpenTelemetry 链路追踪

快速开始

配置选项

接入 Langfuse

接入其他 OTLP 后端

更多资源

​Studio（可视化调试）

​核心特性

​快速开始

​1. 启动 Studio Server

​2. Java 应用集成

​3. 在AgentScope Studio 查看Trace信息

​StudioUserAgent

​对话循环

​完整示例

​高级用法

​手动推送消息

​多 Agent 可视化

​OpenTelemetry 链路追踪

​快速开始

​配置选项

​接入 Langfuse

​接入其他 OTLP 后端

​更多资源

Studio（可视化调试）

核心特性

快速开始

1. 启动 Studio Server

2. Java 应用集成

3. 在AgentScope Studio 查看Trace信息

StudioUserAgent

对话循环

完整示例

高级用法

手动推送消息

多 Agent 可视化

OpenTelemetry 链路追踪

快速开始

配置选项

接入 Langfuse

接入其他 OTLP 后端

更多资源