随着软件架构的不断演进，可观测性工具也必须适应新需求。分布式追踪技术曾是微服务架构下理解复杂系统的关键，Jaeger便在此背景下成为工程师们的首选工具。如今，随着生成式AI应用和自主智能体（AI Agent）被广泛部署到生产环境，追踪需求再次发生转变。AI Agent的执行路径涉及提示词组装、向量数据库检索以及多次外部工具调用，其复杂性对现有追踪工具提出了严峻挑战。
为应对这些新兴工作负载，Jaeger正在进行两大阶段的演进。首先，Jaeger V2重构了其核心架构，实现了对OpenTelemetry的原生集成。其次，Jaeger正超越传统的数据可视化，通过采纳模型上下文协议（MCP）、Agent客户端协议（ACP）和Agent-用户交互协议（AG-UI），致力于构建一个工程师与AI Agent能够协同工作的环境。这有助于映射AI管线中传统追踪工具难以捕捉的复杂执行路径。
Jaeger V2：奠定基础
管理AI工作负载需要高效的数据收集管道，这正是Jaeger V2架构变革的核心驱动力。新版本用OpenTelemetry Collector框架取代了原有的收集机制，实现了指标、日志和追踪数据的统一部署模型。通过原生摄取OpenTelemetry协议（OTLP），系统消除了中间转换步骤，显著提升了数据摄取性能。这种OpenTelemetry的深度集成，为更高级的追踪功能提供了必要的数据基础。
人与Agent的协作
在Jaeger V2的基础上，该项目正积极探索分析分布式系统的新方法，目标是促进工程师与AI Agent在调试过程中的协作。CNCF LFX指导计划和Google Summer of Code（GSoC）的贡献者们正在积极推动这项工作。
为支持AI集成，Jaeger采纳了三项开放标准：模型上下文协议（MCP）、Agent客户端协议（ACP）和Agent-用户交互协议（AG-UI）。MCP规范了AI模型安全访问外部数据源的方式；ACP则提供了一种统一的方法，供用户界面与AI Agent及其Sidecar进行通信。这些协议协同作用，使得Jaeger能够作为一个交互式工作空间。
构建后端协议层
技术实现从后端开始。团队正在构建一个Agent客户端协议（ACP）层，它将作为Jaeger前端与外部AI Sidecar之间的无状态转换器。其设计和概念验证工作正在进行中。