Agent 系统不是传统的确定性系统，它的故障不会尖叫。Agent 自身可观测有三大核心困难：第一，全栈链路很难贯通——一个 Agent 任务可能贯穿 Session 会话、Agent Runtime、模型、Skill/Tool/MCP 以及基础设施，任何一环断了整个回答就错，容易造成断链；第二，执行过程很难解释——一次成功的会话结束、每个节点都返回成功、链路全绿，并不意味着输出结果正确（全绿不等于正确），且调研过程中存在多重 Token 消耗，重试和成本分散在各环节，只看输入输出无法定位问题；第三，异常根因难下钻——异常可能表现 在 Agent 层，实际根因在推理服务、模型实例甚至 GPU 的 AI 基础设施层，需要沿调用栈逐层下钻。
