$ loading_
为编程代理提供分析、报错、部署与自动化的可观测能力。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "Agentry.sh Observability" MCP 服务： 执行：claude mcp add 'io-github-fr33dr4g0n-agentry-observability' -- npx -y @agentrysh/mcp
帮我汇总最近一段时间的错误情况，按类型或趋势说明哪些问题最值得优先处理。
返回错误概览、主要类型或趋势，以及建议优先关注的问题。
查询最近的部署记录，告诉我哪些部署成功、失败或需要进一步关注。
返回近期部署结果摘要，并标出异常或失败的部署。
基于可用的分析数据，给我一个简洁摘要，说明近期系统或应用表现的主要变化。
返回关键分析指标的摘要，帮助快速了解整体表现变化。
开发者或运维在出现异常时，可让编码代理读取错误与分析信息，快速定位值得优先处理的问题。它适合用于从可观测数据中整理线索，而不是手动逐项排查。
团队在发布后可通过该工具让代理查看部署相关信息，判断最近的部署是否存在失败或异常信号。这样能更快发现发布后的风险点。
当需要让代理基于分析、错误或部署信息执行自动化流程时，这个工具可作为统一入口。它适合在工程流程中连接观测信息与后续处理动作。
它是一个面向编程代理的 Agentry 可观测工具，聚焦 analytics、errors、deploys 和 automation。也就是说，代理可以通过它访问这些与工程运行状态相关的信息。
从描述看，它最适合开发者和 DevOps 团队，也可能对需要查看分析数据的人有帮助。如果想了解更具体的适用范围，见源码仓库。
给定素材没有提供安装步骤、运行时要求或密钥信息。相关前置条件请见源码仓库。
帮助多个AI代理在同一Git仓库中协同分工并提前避免代码冲突。
按能力搜索 AI 代理与 MCP 服务，并查看价格、存活和市场信息。
帮助团队监控 AI 代理生产链路、提取洞察并持续优化表现。
帮助用户掌握通用 AI 代理设计与实战最佳实践，适配多种编码代理环境。
帮助AI编程代理快速理解大型代码库并定位入口、分析调用链与评估影响。
实时监控 AI 代理运行状态、资源限制与工程质量，辅助排错和优化成本。