在实际 AI Agent 落地过程中，长程任务会包含多轮工具调用与模型调用，单个 Trace 中往往有成百上千个 Span，直接铺开展示时调用链非常冗长，难以定位问题。
LoongSuite 在 OTel GenAI 语义基础上引入两类 Span：Entry Span 在 Agent 调用入口处创建，用于还原模型和用户的原始输入、输出，形成对话历史，确保下游任务处理时不受 System Prompt 或框架 Prompt 干扰；Step Span 代表 Agent 每次 ReAct 迭代中的层次化表达，将一次"反思 → 工具调用 → 模型调用"循环打包为一个 Step，并通过轮次标识串联。
借助这种结构，排查问题可以采用 Top-down 方式：先在整体上定位是哪一轮 ReAct 出问题，再深入分析该轮内部具体是哪一步出错。这种层次化的调用链让多轮行动、反思与结果一目了然，目前已在 OpenClaw、QwenPaw、Hermes Agent 等多个 Agent 场景中落地。