特工核心调查

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

参考文件

根据需要加载这些文件以获得详细指导:

MCP:

mcp-setup.md 何时:开始调查之前始终加载 — 确保 CloudWatch 和 Application Signals MCP 服务器已配置 包含:CloudWatch Logs 和应用程序信号的 MCP 服务器配置,以及 Claude Code、Gemini、Codex 和 Kiro CLI 的设置说明 .mcp.json 何时:首次设置 MCP 服务器时加载

otel-span-schema.md

何时:始终在查询或过滤 OTEL 跨度之前加载包含:字段提取优先级、已知检测范围、噪声过滤启发式(DROP/KEEP 模式)

仅限最新互动

存储发现的traceId并在所有后续查询中使用它们。

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@awslabs · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
第 0 阶段:SessionId 到 TraceId 解析

当用户提供sessionId时,首先将其解析为traceId(s)。如果用户直接提供traceId,则跳过此阶段。

02
第 1 阶段:发现日志组

使用 `describe_log_groups` 和 logGroupNamePrefix `/aws/bedrock-agentcore/runtimes` 查找所有运行时日志组。

03
第 2 阶段:查询 CloudWatch Logs Insights

运行所有 6 种查询类型以进行完整的调查。每个查询都有一个结构化版本(用于专用`otel-rt-logs`)和一个全局样式解析版本(用于组合日志组)。

04
第 3 阶段:过滤 OTEL 噪声

请参阅 otel-span-schema.md 了解提取规则、已知范围和 DROP/KEEP 启发法。检索查询结果后: 对收到的总结果进行计数 删除与 DROP 模式匹配的条目(删除计数) 保留与 KEEP 模式匹配的条目

05
第四阶段:构建时间表

计算与最早跨度的 `startTimeUnixNano` 的相对偏移量:

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。