mcp

基于MCP协议实现聊天系统对话追踪与数据分析的服务器工具

安装使用

复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：

帮我安装这个 AI Skill：mcp。
它的用途是：基于MCP协议实现聊天系统对话追踪与数据分析的服务器工具
详细介绍见：https://321skill.com/skills/mcp-mcp-telemetry/
请根据该页面的说明完成安装。

“帮我分析过去一周客服机器人的对话数据，找出用户最常咨询但解决率低的问题。”，它会调用telemetry技能，从数据库中提取相关时段的对话记录，进行聚类和统计分析，并生成一份包含高频问题点和解决率的数据报告。或者，

对AI说：“监控今天所有对话的Token消耗，如果平均消耗比昨天上涨超过20%就告警。”，它会通过telemetry实时获取消耗数据，进行计算比较，并在触发阈值时通过集成的通知渠道发送告警。

telemetry 是一个基于模型上下文协议（MCP）的服务器工具，旨在解决AI聊天系统中对话过程难以追踪、数据难以量化分析的问题。它通过标准化的协议，捕获并记录AI与用户之间的完整交互历史，为后续分析提供结构化数据。

使用时，开发者需将telemetry服务器集成到自己的MCP客户端或AI应用框架中。它会在后台静默运行，自动记录每一次对话的元数据、消息内容、Token消耗等信息，并将数据存储到指定的数据库或分析平台。

这个工具非常适合需要深入理解AI交互模式、优化对话体验或进行合规审计的团队。无论是智能体开发者、运维工程师还是数据分析师，都可以利用它来洞察用户行为、评估模型表现或排查问题。

建议在开发测试阶段就接入telemetry，以便积累基线数据。需要注意的是，它主要提供数据采集和上报能力，具体的分析看板、告警规则等需要结合其他数据分析工具或平台来实现。同时，在处理用户对话数据时，务必遵守相关隐私和数据安全法规。

与通用日志工具相比，它专为MCP协议设计，能原生理解并结构化记录AI对话的完整上下文，包括消息、工具调用和模型响应。与简单的聊天记录导出功能相比，它提供了服务器级的、可扩展的数据管道，便于集成到现有的监控和分析体系中。

不适合需要实时、复杂交互分析或内置可视化报表的即开即用场景，主要提供数据采集能力。

telemetry能记录哪些数据？

可以记录对话的元数据（如时间、会话ID）、完整的消息历史、调用的工具、Token消耗情况以及模型响应等结构化信息。

如何查看和分析telemetry收集的数据？

数据会存储到配置的数据库（如PostgreSQL）或发送到分析平台（如OpenTelemetry兼容的后端），需要借助这些平台或自建看板进行查询和分析。