本文介绍了如何利用LangGraph框架结合MCP服务实现高效的线上日志智能溯源分析。LangGraph通过将AI智能体工作流建模为有向循环图提供持久化执行、人机协同等核心能力。文章详细阐述了接入MCP日志服务、搭建LangGraph分析平台以及配置大模型的具体步骤展示了AI如何根据日志、源码等信息进行智能分析并呈现结果。未来可进一步实现AI自动修复问题并发布形成完整的问题诊断与修复流程。当下我们的系统都是微服务开发和部署的那么一个用户请求会访问好几个服务此时我们系统会使用SkyWalking、Zipkin等分布式系统的链路追踪工具一个完整的请求会使用traceId串联起来那么在AI时代下的我们如何更高效的做日志的溯源与智能分析呢下面我们来聊聊LangGraph使用MCP实现线上日志智能溯源分析。1、认识LangGraphLangGraph是LangChain团队推出的一个低级别编排框架专门用来构建长期运行、有状态的 AI 智能体Agent工作流。LangGraph把Agent的工作流建模成一张有向循环图由如下的三个要素组成1State状态全局共享的数据结构相当于 Agent 的记忆中枢记录对话历史、中间结果、控制变量等。2Node节点每个节点是一个独立的计算单元LLM 调用、工具执行、数据校验等接收 State 作为输入返回更新后的 State。3Edge边定义节点之间的流转逻辑分为固定边和条件边根据当前状态动态决定下一步走向LangGraph可以给我们提供的一些主要的核心能力如下所示1持久化执行Checkpointing每步自动落检查点进程崩溃后可从断点恢复。2人机协同Human-in-the-Loop可在任意节点暂停等待人工确认后再继续。3多智能体协作支持主从式、对等式、流水线式等多种协作模式。 流式输出节点产生的 token 和进度可实时推送给前端。4可视化调试配合 LangGraph Studio 可拖拽查看流程图和状态变化。2、 线上日志溯源的原理LangGraph提供了Web UI在这个Web UI中我们开发人员输入了接口的traceId然后请求调用LangGraph后端服务此时LangGraph驱动调用日志的MCP我这里是阿里云的sls日志拉取这个traceId对应的日志信息traceId对应在整条链路的微服务下的日志都会拿到等拿到traceId对应所有日志后LangGraph开始读取远程仓库中的源码通过Code-MCP服务如下图所示的执行流程图最后由LangGraph根据源码、日志和MySQL/Redis/Nacos的MCP获取数据交给大模型一步步的分析处理大模型分析好之后将结果展示给我们用户即可。3、LangGraph搭建日志溯源服务1搭建日志MCP我们是阿里云日志服务SLS, Simple Log Service然后把基础的需求和背景给到AI让AI帮我们写一套日志的MCP服务如下图所示AI理解需求后便开始帮我们搭建MCP服务搭建后的项目工程结构如下图所示然后我们在.env文中配置上SLS日志的密钥信息位置如下图所示配置好日志MCP之后我们接入到AI工具中如Trae验证我日志MCP服务是否可以正常的使用首先Trae中接入日志MCP如下图所示验证日志的MCP服务是否可以正常的使用如下图的测试结果2使用python搭建LangGraph服务继续使用AI工具帮我们搭建LangGraph服务我们只需要讲清楚背景和需求即可如下图所示AI会默默的工作我们的任务就是等待结果了AI就帮我们搭建成功了项目的整体结构如下图所示3配置大模型我们让AI写项目的时候就规定了大模型是支持随意切换的所以AI就把大模型的配置放在.env文件中这里我以智谱为例子不要问为什么因为人家是免费的如下所示4启动LangGraph服务## 进入到工程目录中cd /d D:/py_workspace/log_diagnosis ## 使用CMD方式输入streamlit run web.py启动成功后的效果图如下所示浏览器的页面5测试我们选择查询模式是traceId查询方式然后再输入框中输入traceId如下图示所示当日志分析结束后进度信息展示如下图所示大模型的分析结果如下图所示同时大模型把一些分析的数据也做了展示至此一个基础的通过LangGraph分析日志的工具就完成了这里我还没有接入代码MCP、数据库MCP等工具有兴趣的朋友自己再去研究了。未来的设想现在我们可以实现线上问题让LangGraph完成自动化的排查、分析和诊断出具问题汇总报告。那么后面是否可以让AI工具继续拿这份问题报告自动修复问题、修复后通知我们是否需要发布线上如果我们同意发布那么AI再自动发布线上和发送线上发布完成的短信通知这样就实现一套完整的问题分析诊断和问题修复的流程。总结1LangGraph是LangChain生态里的一个低级别编排框架用来把 AI Agent 的工作流建模成一张有状态、可分支、可循环的图从而构建长期运行、可控的智能体应用。2LangGraph接入MCP日志后做线上分析核心价值在于把“Agent 图执行—MCP工具调用—外部服务响应”串成一条可观测链路快速定位问题、优化性能与成本并满足审计合规。大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料好了就写到这。路线是死的人是活的卡住了随时来问我。觉得有用就点个收藏别让它进收藏夹吃灰——动起来比啥都强。
