weave
为MCP工具链提供端到端的追踪与监控能力。
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：weave。 它的用途是：为MCP工具链提供端到端的追踪与监控能力。 完整的 Skill 内容见：https://321skill.com/skills/weave/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我集成weave追踪到我的MCP天气查询工具里。”，它会引导你安装必要的包，并修改Server和Client的初始化代码以注入追踪器。完成后，当你调用天气工具时，详细的调用链路和耗时就会出现在你的WandB面板上，方便你分析延迟瓶颈。
介绍
这个Skill解决了在MCP（Model Context Protocol）生态中进行复杂AI应用开发时，难以追踪和分析Server与Client之间调用链路的痛点。它通过集成OpenTelemetry标准，自动捕获并可视化MCP通信过程中的详细追踪数据。
使用时，开发者只需在MCP Server和Client端进行简单的配置和集成，即可自动生成包含调用耗时、状态、参数等信息的追踪链路。这些数据可以方便地导出到Weave或Weights & Biases（WandB）等观测平台，进行深入的性能分析和问题排查。
它非常适合正在构建或维护基于MCP协议的AI Agent、工具或服务的开发者，特别是那些关注系统可观测性、性能优化和调试效率的团队。无论是开发阶段的调试，还是生产环境的监控，都能从中受益。
建议在项目初期就引入此Skill，以便建立完整的可观测性基线。需要注意的是，它主要提供数据收集和导出能力，强大的分析和可视化功能需要依赖Weave/WandB等外部平台来实现。
核心特点
这是首个专门为MCP协议栈设计的OpenTelemetry集成方案，实现了从Client请求到Server响应的全链路追踪，而非仅监控单一端点。它将AI应用开发中常见的MCP调用链路标准化、可视化，并直接对接主流的AI实验追踪平台WandB。
注意事项
不适合仅需简单调用MCP工具、无需深入分析调用链路和性能的轻量级或一次性脚本场景。
常见问题
这个Skill和直接使用OpenTelemetry有什么区别？
它封装了针对MCP协议（SSE传输、工具调用等）的特定埋点和追踪逻辑，开箱即用，无需开发者从零开始配置OpenTelemetry来适配MCP。
数据可以导出到哪些平台？
主要支持导出到Weave或Weights & Biases (WandB)，它们是AI领域常用的实验追踪和可视化平台。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/weave/raw/index.md 读取 weave 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/weave/raw/index.md（查看排版版本）