AI Agent 规模化落地后遇到三大共性难题：
执行过程黑盒化：Agent 涉及 LLM 调用、工具执行、多轮推理、记忆检索等环节，传统 Metrics+Log+Trace 无法有效刻画这种新型计算范式。例如包含 10 次 ReAct 推理的 Agent 任务，传统方案只能识别 10 条独立 HTTP 请求，无法还原完整决策流程。
行为轨迹难追溯：Agent 具备较高的自主操作权限，可读写本地文件、执行系统命令、调用第三方 API，缺乏专项审计能力时无法完整追溯 Agent 的全部行为，安全合规风险巨大。
成本难度量：Token 是 Agent 的主要成本来源，多轮迭代和工具调用会指数级放大消耗。若缺少按 Agent、用户、任务维度的精细化拆分能力，企业无法开展预算管控与投入产出评估。
