# implementing-observability

Скилл implementing-observability для Claude Code настраивает метрики, логи и трейсы через OpenTelemetry и показывает, как запустить Loki, Grafana, Tempo и Mimir у себя. По трейсу ищут ошибки между сервисами.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 1 установка · ★ 533 у репозитория
- Автор: ancoleman
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/ancoleman/ai-design-components/tree/HEAD/skills/implementing-observability/SKILL.md
- Обновлён: 2025-12-11
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/implementing-observability

## Что делает

Скилл ведёт агента по трём столпам наблюдаемости: метрики, логи, трейсы. Примеры на Python — счётчик `http.server.requests`, автотрейсинг FastAPI через `FastAPIInstrumentor`, структурные логи на structlog; для Rust есть отдельный пример с `tracing`, для Go и TypeScript названы SDK.

Дальше — стек LGTM: Loki под логи, Grafana под дашборды, Tempo под трейсы, Mimir под метрики, Grafana Alloy принимает OTLP на порту 4317. Поднять всё целиком можно из `examples/lgtm-docker-compose/docker-compose.yml`; детали по каждому куску разложены в `references/lgtm-stack.md` и `references/opentelemetry-setup.md`.

Связка логов с трейсами — главное, что стоит забрать отсюда: в каждую запись подставляются `trace_id` и `span_id`, поэтому строка с ошибкой сразу ведёт к трейсу. Для маленьких систем автор советует пропустить скилл: меньше 100 запросов в день закрывает консольный лог. Настройка структурного логирования расписана в `references/structured-logging.md`.

## Требования
- Работает с: Grafana

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ancoleman/ai-design-components --skill implementing-observability -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/implementing-observability/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/implementing-observability/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ancoleman/ai-design-components --skill implementing-observability -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/implementing-observability/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ancoleman/ai-design-components --skill implementing-observability -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/implementing-observability/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install ancoleman/ai-design-components skills/implementing-observability
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/implementing-observability/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add ancoleman/ai-design-components --skill implementing-observability -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/ancoleman/ai-design-components --path skills/implementing-observability
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/implementing-observability/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add ancoleman/ai-design-components --skill implementing-observability -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/ancoleman/ai-design-components/tree/HEAD/skills/implementing-observability/SKILL.md

## Когда брать
- развернуть метрики, логи и трейсы на одном SDK
- связать запись в логе с конкретным трейсом
- поднять локальный стек Grafana с Loki и Tempo
- включить автотрейсинг HTTP-запросов в FastAPI
- выбрать тип метрики под задачу: счётчик, гистограмма, датчик

## Примеры запросов агенту
- Добавь в сервис OpenTelemetry: метрики, трейсы и структурные логи через structlog.
- Разверни LGTM-стек из `examples/lgtm-docker-compose/docker-compose.yml` и направь экспортёр на OTLP.
- Пропиши в каждой строке лога `trace_id` и `span_id`, чтобы ошибка находилась в Tempo.

## Похожие
- [logging-observability](https://affpapa.org/nevibecode/skills/curiositech-logging-observability.md) — скилл · 152 установки
- [monitoring-observability](https://affpapa.org/nevibecode/skills/rohitg00-monitoring-observability.md) — скилл · ★ 2858 у репозитория
- [opentelemetry](https://affpapa.org/nevibecode/skills/opentelemetry.md) — скилл · 6900 установок
- [app-observability](https://affpapa.org/nevibecode/skills/app-observability.md) — скилл · 4800 установок
- [observability-sre](https://affpapa.org/nevibecode/skills/observability-sre.md) — скилл · 165 установок
- [setup-monitoring-observability](https://affpapa.org/nevibecode/commands/setup-monitoring-observability.md) — команда · 279 установок

Из того же набора: [ancoleman/ai-design-components](https://affpapa.org/nevibecode/by/ancoleman/ai-design-components.md) — 10 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
