OpenClaw 终于可以读懂 OpenTelemetry APM 了-夜雨聆风

OpenClaw 终于可以读懂 OpenTelemetry APM 了

DataBuff（github.com/databufflabs/databuff）是国产开源 OpenTelemetry APM 平台，Docker 一条命令即可部署。

一句话：按 OTel 标准接入遥测数据，统一存储 Trace、指标、拓扑与告警——为外部 Agent 提供可查询的真实 APM 底座。

一、先认识 DataBuff：OpenTelemetry APM

📊 OpenTelemetry APM 能力

• OTLP 标准接入，链路追踪 / 服务指标 / 拓扑 / 告警• 从 Trace 衍生丰富数据模型（服务、接口、调用链、组件指标）• 极简三组件：Ingest → Doris → Web，运维成本低

重点能力	能帮你做什么
MCP 对外开放（本文主角）	Cursor、Claude Code、OpenClaw 等外部 Agent 调用同一套 APM 工具
官方 Skills	约束问数口径与巡检流程，避免 Agent 编造指标

重点能力

能帮你做什么

MCP 对外开放

（本文主角）

Cursor、Claude Code、OpenClaw 等外部 Agent 调用同一套 APM 工具

官方 Skills

约束问数口径与巡检流程，避免 Agent 编造指标

图：Ingest → Doris → Platform，Docker 一条命令跑起来

图：全局服务拓扑——MCP 工具读的是同一套实时 OTel 数据

本文聚焦：DataBuff 把 APM 能力通过 MCP + Skills 开放给 OpenClaw——可接 CLI、WebChat，或飞书 / 钉钉 Channel。下文教你 5 分钟接入，实现一句话巡检全集群。

· · ·

二、凌晨告警：开 5 个窗口，还是打一句话？

告警弹出：「下单链路变慢，全集群有没有异常？」

传统做法：APM 看板 → Trace → 拓扑 → 告警列表 → 手写结论。一轮 20～30 分钟。

图：多窗口拼证据链——Agent 接入后可一句话串完

接入 OpenClaw 后：在 CLI、WebChat，或飞书 / 钉钉 Channel 里直接发一句话。Agent 经 DataBuff MCP 查 Doris 里的真实 OTel 数据，返回结构化中文结论——不是模型编造指标。

❌ 没有 MCP

模型编造「错误率 2.3%」——全是幻觉，不能上故障群。

✅ MCP + Skills

先 inspectService 初筛 → 异常再查 Trace / 拓扑 → 输出带证据链的中文报告。

图：用户提问「列出最近 1 小时的服务」→ Assistant 返回 Web 服务 + 中间件分组表格与中文总结

· · ·

三、MCP 是手，Skills 是脑

DataBuff 开源迭代开放了 Agent 集成包（integrations/agent/），两层能力一起用才有「运维 Agent」：

MCP = 15 个 APM 工具（查服务、Trace、指标、告警、巡检、画趋势）Skills = 问数口径 + 巡检流程（什么时候 inspect、怎么填时间、如何串证据）

层	内容	举例
MCP 工具	真实数据读写	`queryServicesAll` 、`inspectService`、`queryTraceDetail`
Skills	行为规则	`skill.data.metrics` 、`skill.inspection.health`

层

内容

举例

MCP 工具

真实数据读写

queryServicesAll

、inspectService、queryTraceDetail

Skills

行为规则

skill.data.metrics

、skill.inspection.health

外部 Agent 通过 MCP 查询 Doris 里的真实 OTel 数据，在 OpenClaw 对话区呈现为中文表格与结论。

图：Skills 页 — Workspace Skills 已启用 skill.data.metrics（问数口径）

· · ·

四、5 分钟接入：把 MCP + Skills 添加到 OpenClaw

前提：DataBuff 已部署，OpenClaw Gateway 能访问 DataBuff Web 端口（MCP 端点 http://<host>:<port>/mcp）。

两个环节：① Control UI 添加并发布 MCP + 启用 Skills → ② Chat 直接提问验证。官方集成包在 GitHub integrations/agent/，在界面操作，不是改本地 JSON。

Step 1 · 部署 DataBuff

curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash

图：安装完成后 MCP 端点为 http://<host>:<port>/mcp

Step 2 · 添加 MCP 服务器

打开 OpenClaw Control UI → Settings → MCP，新建 databuff-apm：

配置项	填写内容
名称	`databuff-apm`
URL	`http://<你的 DataBuff 主机>:<端口>/mcp`
Transport	`streamable-http`
状态	Enabled

① 填完点 Save & Publish，列表出现绿色 Enabled 卡片

② 可选：CLI 探活 openclaw mcp probe databuff-apm

图：Settings → MCP — databuff-apm 已启用，地址与 HTTP 传输可见

图：MCP 详情 — 界面展示 DataBuff 地址，即添加结果

Step 3 · 添加 Skills

方式	操作路径
Skills 页启用	Control UI → Skills → Workspace Skills，打开开关（Ready）
Skill Workshop	基于 SKILL.md 创建提案 → 审阅后 Apply 为正式 Skill