工具与应用01
Dynatrace 这次把 AI 可观测性的数据接入打通了：不管你用的是编码 Agent、Python 大模型应用，还是基于 OpenInference 的工具，采集到的运行数据都能汇到同一个地方。原来每种工具格式不同，往往要各自搭一条接入通道，额外做不少管线工作；现在这些数据会被统一整理成同一套 gen_ai.* 数据模型。对用 Python 调 AWS Bedrock、OpenAI 或 LangChain 的团队，OneAgent 只要开一个设置就能自动采集，不用改代码；已用 OpenInference 的团队，原有埋点也能直接接入。这样团队能把精力放在做应用上，排查问题和看成本也更方便。另外，Anthropic、Google ADK 等十余种框架的 Python 传感器目前是实验状态，采集完整度可能变化，正式可用时间原文没说明。
文中可用工具
- OneAgent自动采集 Python 大模型应用的日志、追踪和 LLM 遥测，开启设置即可，无需改代码
- OpenInference面向 AI 应用的开源埋点规范，支持 33+ 框架自动采集追踪，Dynatrace 可直接接收其数据
- Claude Code编码 Agent，Dynatrace 可采集其 OpenTelemetry 信号以监控用量和成本
- Codex (OpenAI)编码 Agent，Dynatrace 可采集其遥测
- Cursor编码 Agent，Dynatrace 可采集其遥测
- Google Antigravity编码 Agent，Dynatrace 可采集其遥测
- GitHub Copilot编码 Agent，Dynatrace 可采集其遥测
- Claude Managed AgentsDynatrace 支持对其追踪，可查看 Agent 会话、模型调用和 token 消耗
- Claude PlatformDynatrace 是其官方可观测性合作伙伴，可原生导出 OpenTelemetry 追踪
- OpenTelemetry开放遥测标准，OpenInference 规范已捐赠给该项目，Agent 追踪也基于它
- AWS Bedrock原文提到 Python 应用可通过 OneAgent 采集调用它的遥测
- LangChain原文提到 Python 大模型应用可通过 OneAgent 采集其遥测
工具与应用02
Dynatrace 宣布成为“SpaceX 超级智能合作伙伴网络”的启动伙伴，并推出一个已通过验证的官方插件，上架 Cursor 插件市场。原来开发者用 Cursor 这类 AI 编程工具写代码虽然更快，但代码编辑器和线上生产环境是割裂的：线上出故障时，开发者得先切到别的监控门户拼凑线索，才能弄清发生了什么、为什么发生。这次的做法是把 Dynatrace 的生产环境数据（由 Grail、Smartscape 和确定性因果根因分析提供）通过插件接进 Cursor，让 AI 代理和开发者直接在写代码的地方查看线上服务状态、依赖关系和根因。对使用 Cursor 的团队来说，排查线上故障、判断某个漏洞在真实运行环境中是否有影响、分析性能瓶颈，都可以不用离开编辑器，平台团队也能通过 Cursor 的团队市场分发插件并保留管理权限。目前该插件已作为受支持的集成可用，具体配置（平台令牌、MCP 服务器、Dynatrace skills 和 dtctl）需参考配套技术博客。
文中可用工具
- CursorAI 原生编程工作区，开发者在此写代码并与 AI 代理协作
- Dynatrace提供端到端可观测性，把生产环境上下文交给 AI 代理
- Grail为可观测性分析提供数据
- Smartscape映射系统之间的依赖关系
- Dynatrace Intelligence提供确定性的因果根因分析
- Dynatrace plugin已通过验证的 Cursor 市场插件，把生产上下文带进 Cursor
- MCP server技术博客中提到的配置组件，原文未说明具体用途
- Dynatrace skills技术博客中提到的配置组件，原文未说明具体用途
- dtctl技术博客中提到的配置组件，原文未说明具体用途
工具与应用03
Dynatrace 在9月发布了一批更新。以前，看数据库语句只能知道它执行了什么，却不知道是谁触发的；排查问题还得在不同页面之间来回切换，容易丢失分析上下文。这次新增了“服务回溯”功能，能从数据库查询直接看到上游调用链、负载分布和报错情况；分布式追踪可以在侧边浮层看瀑布图，原来的图表和筛选保持不变。QuickStart 把自动配置和手动安装放在一起，还能从问题直接打开 AI 助手 Dynatrace Assist，并用 dtwiz 自动配置 OpenTelemetry 主机监控。支持的主机现在也能和 OneAgent 监控的主机一起出现在基础设施与运营的 Compute 菜单中。这些功能已发布，具体入口和版本要求原文未详细说明。
文中可用工具
- dtwiz自动配置 Dynatrace 的入门设置和 OpenTelemetry 主机监控所需扩展与路由
- Dynatrace Assist从监控发现的问题直接打开，提供 AI 辅助信息
- OpenTelemetry Collector采集主机监控数据并发送到 Dynatrace
- OneAgentDynatrace 原有的主机监控方式，与 OpenTelemetry 监控主机并列显示
- QuickStart把自动配置和手动安装向导集中在一起，引导新用户完成设置
- Release Radar launchpad在 Dynatrace Playground 上演示九月更新效果
- Schnitzel demo app通过 dtwiz setup 生成示例数据用于入门体验
- OpenPipeline为 OpenTelemetry 主机监控配置动态路由
- Distributed Tracing在侧边浮层打开追踪瀑布图，同时保留原图表和筛选
- Services app从数据库查询语句打开服务回溯，查看上游调用链
- Infrastructure & Operations展示 OpenTelemetry 与 OneAgent 监控的主机
Agent 与工作流04
Cognition 推出的自主软件工程师 Devin 现在可以把能力延伸到线上事故处理上（即 Devin Oncall），它不再只是写代码，而是能调查生产问题、修改代码并提交合并请求。但 AI 代理要排查事故，不能只看源码，还得知道线上哪里出问题、改了什么、修复是否有效；过去它要自己到多个数据源里翻日志和指标，费时又容易出错。这次 Dynatrace 作为 Devin Oncall 的发布合作伙伴，把生产环境的运行时信息（问题、根因、日志、指标、链路、部署事件和安全发现）通过 MCP 服务器和技能插件接给 Devin，让它在同一个工作流里就能定位并验证修复。对使用 Devin 的团队来说，这意味着从收到告警到排查、修复、验证有可能在一个会话里完成，但目前仍需配置 Dynatrace 平台令牌和相应权限，实际可用范围取决于集成配置。
文中可用工具
- DevinCognition 的自主软件工程师，可承接任务、调查问题、改代码、开合并请求
- Devin Oncall把 Devin 的能力延伸到生产事故响应，帮助团队从告警走向解决
- Dynatrace提供生产运行时智能，如问题根因、日志、指标、链路、部署事件和安全发现
- Devin Marketplace安装 Dynatrace 扩展等插件的市场
- MCP server提供对 Dynatrace 环境的带认证访问，把数据接给 Devin
- Dynatrace skills教 Devin 理解 Dynatrace 数据结构与查询方式，按任务加载
- dt-dql-essentials帮助 Devin 掌握 Dynatrace 查询语言 DQL 的语法和查询模式
- dt-alerting指导 Devin 处理异常检测和告警相关工作流
行业动态05
Dynatrace 发文介绍“业务可观测性”如何帮金融企业把技术数据和业务环节接起来。以前银行只看系统指标，交易重复、步骤丢失、决策用了不完整数据这类问题往往要等客户投诉或监管问询才暴露。文中一家欧洲投行的贷款验证流程每天流转数百万欧元，团队用 OneAgent 从请求数据中直接提取业务信息（无需改代码），再用 Kafka Sink Connector、OpenPipeline 和 Dynatrace Business Flow 把技术信号对应到业务步骤，实时监控并告警。这样就能在问题升级成收入损失或合规风险前发现和修复。目前是厂商方案介绍，实际效果未独立验证。
文中可用工具
- Dynatrace Business Observability把技术监控数据与业务流程实时关联，帮助在故障升级前发现问题
- Appian原文仅提及贷款验证流程运行在两个 Appian 应用上，未说明具体用途
- API Connect原文作为两个 Appian 应用之间的通信方式被提及，未详细说明
- Kafka原文作为流程中的消息通信技术被提及，未详细说明
- OneAgent无需改代码即可从 HTTP 请求中提取关键业务数据
- Kafka Sink Connector在无法直接采集数据时提供另一条数据获取途径
- OpenPipeline对原始数据进行处理和规范化，使其可用于监控与分析
- Dynatrace Business Flow把技术信号映射到业务步骤，实时跟踪指标并设置告警
- Dynatrace Playground供用户实际体验 Dynatrace 业务可观测性如何运作
行业动态06
Dynatrace 宣布其面向美国联邦机构的平台已进入 FedRAMP Class D（High）认证流程的“初始实施”阶段，并出现在 FedRAMP Marketplace 上。此前 Dynatrace 只有 FedRAMP Class C（Moderate）认证，满足不了对高敏感级别有要求的机构。这次进展意味着认证还在进行中，但联邦机构可以据此提前规划未来的可观测性、日志管理和自动化需求。注意，这只是规划依据，不代表已获认证，也不能用于 Class D（High）环境部署；现有 Class C（Moderate）服务仍照常可用。
文中可用工具
- OneAgent自动发现并为应用、基础设施、微服务及其依赖关系插桩
- Smartscape映射上述组件之间的关系
- Grail把日志、指标、追踪、事件及业务数据放在同一上下文中
- FedRAMP Marketplace展示 Dynatrace 平台处于初始实施阶段的官方列表
工具与应用07
Dynatrace 宣布其 Snowflake 可观测性功能正式可用。此前，企业用 Snowflake 做数据分析、数据管线和 AI 工作负载时，成本、性能、安全、运维和数据质量的信息分散在不同工具里，出问题常要人工在 Snowflake、监控工具和表格之间来回切换拼凑原因。现在，团队通过 Dynatrace 的 Data Observability 应用就能统一查看这五方面情况：它带引导式接入、自动采集遥测，并预置 14 个仪表盘，接上就能用，不用从空白画布搭起。对读者的用处是：更容易在用户抱怨前发现性能瓶颈、在账单飙升前发现仓库消耗异常、在数据变旧或结构被改时及早察觉，从而减少依赖这些数据的 AI 应用出错。该功能由开源项目 Dynatrace Snowflake Observability Agent 支撑，偏好自行部署的团队仍可用开源版本。
文中可用工具
- Dynatrace Snowflake Observability统一查看 Snowflake 的成本、性能、安全、运维和数据质量
- Dynatrace Data Observability app提供引导式接入和预置仪表盘的入口应用
- Dynatrace Snowflake Observability Agent (DSOA)开源代理，负责采集 Snowflake 遥测数据并支撑仪表盘
行业动态08
Dynatrace 请 Forrester Consulting 做了一项研究，测算企业用 Dynatrace 统一可观测性平台能带来多少商业价值。模型显示，一个典型企业三年可获得 466% 的投资回报，净现值 2030 万美元，不到六个月回本。这笔价值主要来自 AI 自动发现和解决故障（省下 1440 万美元）、业务表现提升（增加 310 万美元利润）以及开发者效率提高（200 万美元）。对读者的用处是：如果公司正被 AI 系统和复杂技术环境搞得监控困难、故障频繁、成本失控，这份研究提供了一个参考案例，说明统一监控可能带来的收益。不过这是厂商委托的模型估算，不是实际用户数据，具体效果因公司而异。
文中可用工具
- Dynatrace统一可观测性平台，用来监控应用、基础设施、AI 模型和代理调用，帮助发现和解决故障、控制成本。
Agent 与工作流09
Dynatrace 是一家做应用和基础设施监控软件的公司，它推出了一款叫 Bluebox 的 AI 智能体，想让工程师的工作更轻松。以前监控工具一出问题就拼命发告警，工程师得自己排查、写修复代码，很费时间。Bluebox 会把团队的代码和线上实际运行数据做对比，然后直接生成一个修复补丁（pull request），工程师可以审核后决定是否采用，也可以让它自动运行。它还能把告警和修复建议推送到 Claude、Codex 这些开发者已经在用的工具里，不用再开一个新面板。Dynatrace 仍然提醒客户：批准修复前要先检查，别完全信任 AI 的输出。目前 Bluebox 在七月发布，已可以使用，但公司希望未来 12 到 18 个月团队能逐渐给智能体更多自主权。
文中可用工具
- BlueboxDynatrace 的 AI 智能体，对比代码与生产数据，生成修复建议的 pull request
- Claude接收并展示 Dynatrace 智能体告警和修复建议的开发者工具
- Codex接收并展示 Dynatrace 智能体告警和修复建议的开发者工具
Agent 与工作流10
Dynatrace 推出了一款叫 MCP Server 的工具，能把 AI 编程助手直接连到 Dynatrace 的实时监控数据上。以前开发者用 AI 写代码时，AI 只能看到代码本身，看不到代码在生产环境里跑得怎么样，所以排查性能问题很费劲。现在开发者可以用大白话向 AI 提问，AI 会去查真实的运行数据并给出具体到代码行的修复建议。文章演示了一个案例：数据库 CPU 被一个低效查询占满，AI 找到了问题，只加两行索引就解决了，响应时间大幅下降。对开发者的好处是排查更快，但文中的演示和截图来自未来日期，实际可用状态原文未明确说明。
文中可用工具
- Dynatrace MCP Server把 AI 编程助手连接到 Dynatrace 的实时监控数据，让开发者用日常语言提问运行中的系统
- Dynatrace提供应用性能监控数据，检测响应时间退化等问题并定位根因
- Claude Opus 4.8作为 AI 编程助手读取源代码并生成修复建议（文中截图的生成来源）
- PostgreSQL作为应用背后的数据库，文中涉及为其添加 trigram 索引优化查询
- pg_trgmPostgreSQL 扩展，用于创建 trigram 索引加速 ILIKE 模糊搜索
行业动态11
Dynatrace宣布完成对Arize的收购。Arize是开发AI应用跟踪、评测和实验工具的厂商，Dynatrace则擅长监控应用和基础设施运行。此前，开发和运维AI时用的工具是割裂的，出问题很难追责。这次合并把两边打通，希望实现从开发到运行、再到持续优化的全程监控，帮企业看清AI为何出错、花了多少钱。目前Arize AX和Dynatrace平台继续单独提供，Phoenix保持开源；具体整合计划还没公布。
文中可用工具
- Arize AX面向AI团队的托管平台，用来跟踪、评测和对比AI应用及智能体的表现
- Phoenix开源工具，帮助开发者检查AI应用的运行轨迹、做评测和排查问题
- OpenInferenceArize创建的开源数据采集规范，让AI可观测数据有统一标准
- OpenTelemetry开源可观测性框架，接收了OpenInference的代码用于AI数据采集
行业动态12
Dynatrace 是一家做应用性能监控的老牌公司，Arize 是一家专门帮企业追踪和调试 AI 模型及 Agent 行为的创业公司。过去的问题是：传统监控只能看到服务器和软件运行得好不好，但看不出 AI Agent 有没有答错话、调错工具或没完成任务；反过来，Arize 能看出 Agent 出错，却不了解底层软件哪里出了毛病。现在 Dynatrace 以 9.15 亿美元收购 Arize 并已完成交易，把上下两层监控打通，开发者就能一次查到问题出在 AI 还是底层程序。两位 CPO 还说，以后可观测性不只给人看仪表盘，更要让 Agent 自己读数据、自己采取行动，因为数据量太大，人根本看不过来。
文中可用工具
- Dynatrace监控应用和基础设施运行状况的软件，现在也加入 AI 能力来辅助排查问题。
- Arize追踪、评估和调试 AI 模型与 Agent 行为的可观测性平台。
- DavisDynatrace 2017 年推出的 AI 数字助手，后来演变为用因果推理定位问题根因的引擎。
- SignalArize 的 Agent，自动审查生产环境追踪数据、发现反复出现的问题并给出可能原因和修复建议。
工具与应用13
Dynatrace 对所有应用做了一次界面改版，用户打开应用就会发现外观变了。过去界面层次感偏重、深色模式对比度不够，状态和图表颜色也不容易区分。这次改版减少了页面表面的视觉堆叠，改善了深色模式对比度，让颜色更鲜明、更易区分，并新增图表主题配色；由于所有应用共用 Strato 设计系统，改版同一天覆盖全部应用，用户和开发团队都不用做任何操作。此外还能直接输入值来筛选而无需先查字段名，并可跨应用复制粘贴时间范围。
文中可用工具
- StratoDynatrace 的共享设计系统，提供颜色、阴影、边框等设计变量以及按钮、表格等通用组件
- Grail应用可直接查询的数据存储
- Smartscape应用可查询的拓扑与依赖关系数据
- DQL跨日志、指标、追踪、事件和拓扑的统一查询语言
- Dynatrace Intelligence供应用调用，用于根因分析和预测
- App Development MCP server让 IDE 助手获得组件目录、代码示例、应用体验标准和可搜索的 DQL 知识库，加快开发
Agent 与工作流14
Dynatrace、AWS 和 Kiro Crew 合作，想把“看到问题”和“动手解决”之间的空档补上。很多团队其实已经收集了大量系统运行数据，能看出哪里坏了、哪里慢，但从发现到真正处理，中间还隔着人工分析和排查。这次他们做了一个 Dynatrace 看板应用：把系统检测到的问题按生命周期排好，再由 Kiro Crew 的智能体排序，并给出一句话理由，告诉你先看哪个。工程师点开卡片就能看到问题详情，还能一键发起带上下文的调查或生成摘要。目前应用是只读的，不会自动关问题或改配置，任何操作都要真人确认。
文中可用工具
- Kiro Crew对问题列表排序、给出理由，并开启带上下文的调查会话
- Dynatrace提供监控数据，发现问题并展示服务与应用的运行状况
- AWS提供云基础设施，承载应用运行
- dtctl开源 Dynatrace 命令行工具，用来读取看板数据
- DQL查询语言，配合 dtctl 从 Grail 中读取问题与实体数据
- Grail存储监控数据的后端，供 DQL 查询使用
行业动态15
Dynatrace 宣布其 AI 管理体系通过了 ISO/IEC 42001:2023 国际标准认证，由 Schellman Compliance, LLC 颁发，证书编号 1395170-1，生效日期为 2026 年 9 月 2 日，有效期至 2029 年 9 月 1 日。该认证针对的不是某个模型或产品，而是 Dynatrace 平台背后开发、部署和提供 AI 功能的那套管理制度，包括人员、流程、工具、集成和应用，涵盖 Dynatrace SaaS 和 Dynatrace Managed 中内嵌的 AI 能力。换句话说，它证明 Dynatrace 在治理 AI、评估风险与影响、管理数据来源以及保持人工问责方面有一套经过独立审计的机制，并且每年还会接受监督审计。对企业客户来说，这可以作为评估 AI 供应商时的一个信任信号，有望加快合规与采购尽职调查，但要注意它并不等于某个具体产品、模型或输出获得了认证，也不代表符合欧盟 AI 法案等具体法律。
工具与应用16
Dynatrace 发布 8 月更新综述，涵盖数据库故障排查、Kubernetes 元数据、AI 安全、边缘组件更新、数据增强、Agentic Assist 以及跨应用导航等能力。其中 Dynatrace Assist 对话启动器从生成式升级为 Agentic AI，可在实时环境上下文中调用工具进行问题调查与分析；OpenPipeline 新增内联查找处理器简化数据增强；AI 安全新增自动漏洞告警工作流和 dt-sec-insights 技能；Kubernetes 推出集中式标签策略统一元数据增强；Infrastructure & Operations 可直接跳转至 Logs、Clouds、Kubernetes 和 Services 并保留过滤条件。