AgentOps 是管理、部署、观测和治理 AI Agent 全生命周期的新兴学科。当 AI Agent 开始拥有自主调用工具、维护长期记忆和执行多步骤任务的能力时，传统的 MLOps 和 DevOps 都无法完整覆盖其运维需求，AgentOps 应运而生。
它的核心使命可以概括为三个"可"：
- 可观测（Observable）：深度追踪 Agent 的推理链（Chain-of-Thought）、工具调用序列和外部交互状态，而非仅仅监控容器 CPU 和内存。
- 可控制（Controllable）：在 Agent 自主行动的同时，建立权限边界、审批流、回滚机制和人类接管通道，防止越权操作和失控。
- 可评估（Evaluable）：量化 Agent 的决策质量、任务成功率和成本效率，形成持续改进的闭环，而非"黑盒运行"。
在 2026 年业界提出的 Agentic AI 技术栈七层模型中，第 7 层即为 Observability & Governance（可观测性与治理），被称为"operational backbone"（运营脊梁）。这一层直接决定 Agent 能否从实验室安全、可靠、规模化地走向生产环境。