CNCF: Jaeger v2 entwickelt sich zur OpenTelemetry-Plattform für KI-Agenten-Tracing mit MCP-, ACP- und AG-UI-Standards

Jaeger, das Distributed-Tracing-Tool unter der Cloud Native Computing Foundation (CNCF), veröffentlichte Details zur Weiterentwicklung in eine auf generative KI-Anwendungen und autonome Agenten in Produktionsumgebungen spezialisierte Plattform.

Was ist Jaeger und warum muss es für KI aufgerüstet werden?

Jaeger wurde ursprünglich für das Verständnis fragmentierter Mikroservice-Architekturen konzipiert — das Verfolgen von Anfragen durch Dutzende von Diensten und die Identifizierung von Engpässen. Moderne KI-Agenten-Workloads bringen neue Komplexität: RAG (Retrieval-Augmented Generation) Pipelines, mehrstufige Agenten, externe Tool-Calls und unvorhersehbare Ausführungsflüsse erfordern spezialisierte Observability-Infrastruktur.

Jaeger v2 wurde um das OpenTelemetry-Framework neu aufgebaut. Ursprüngliche Sammelmechanismen werden durch das OpenTelemetry-Collector-Framework ersetzt, das Metriken, Logs und Traces in einem einheitlichen Deployment-Modell zusammenführt und Übersetzungszwischenschritte eliminiert, wodurch die Ingestion-Leistung verbessert wird.

Welche Protokolle führt Jaeger für KI-Agenten-Tracing ein?

Jaeger v2 integriert drei Open-Standard-Protokolle, die verschiedene Aspekte der KI-Agenten-Interaktion abdecken:

Model Context Protocol (MCP) standardisiert den sicheren Zugriff auf externe Datenquellen, die KI-Agenten verwenden — etwa Datenbanken, APIs und Dokumente.

Agent Client Protocol (ACP) ermöglicht einheitliche Kommunikation zwischen Benutzeroberflächen und KI-Agenten und eliminiert den Bedarf an benutzerdefinierten Pro-Agenten-Integrationen.

AG-UI (Agent-User Interaction Protocol) unterstützt interaktive Arbeitsbereichsfunktionalität, bei der Ingenieure und KI-Assistenten bei der Trace-Analyse zusammenarbeiten.

Wie funktioniert die ACP-Backend-Schicht für die Vorfallsdiagnose?

Die ACP-Backend-Schicht übersetzt natürlichsprachliche Anfragen in deterministische Tracing-Abfragen. Ein Ingenieur kann eine Beschreibung wie „500-Fehler im Payment-Dienst mit Latenz über 2 Sekunden” eingeben, und das System wandelt dies automatisch in eine strukturierte Abfrage um, die problematische Spans identifiziert.

Das Jaeger-Frontend migriert zu einer Zustand + React Query Architektur mit einem integrierten Assistenten, der assistant-ui + AG-UI Integration verwendet. Ingenieure können den Assistenten auffordern, Fehlerpfade innerhalb spezifischer Tracing-Spans zu analysieren.

Jaeger v2 unterstützt zudem OpenTelemetry-Semantikkonventionen für generative KI-Anwendungen: Tracing von RAG-Pipelines, autonomen Agenten, Embedding-Latenz, externen Tool-Calls und Token-Verbrauchsmonitoring. Offene Formate verhindern Vendor-Lock-in, was für Organisationen entscheidend ist, die Flexibilität bei der Infrastrukturauswahl wünschen.