1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | azure-monitor-opentelemetry-py（正式名称：azure-monitor-opentelemetry-py-microsoft-skills） | — |
| 作者/维护者 | Microsoft（microsoft/skills 官方仓库；本子技能主要由 Larry Osterman、Xiang Yan、Karishma Ghiya 等多位工程师共同维护） |
GitHub API |
| 来源链接 | https://github.com/microsoft/skills/tree/main/.github/plugins/azure-sdk-python/skills/azure-monitor-opentelemetry-py | — |
| 许可证 | MIT（SKILL.md 自身声明，与仓库根 LICENSE 一致） | GitHub API |
| GitHub Stars / Forks | 所属合集仓库 2,818★ / 317 forks（该数字属整个 microsoft/skills 合集，不代表本技能自身热度） | GitHub API |
| 最新版本 | SKILL.md 自带 version: 1.0.0；本子目录最近一次实质提交在 2026-07-15 |
GitHub API（commits） |
| 安装方式 | npx skills add microsoft/skills 交互向导勾选安装；或 microsoft.github.io/skills 技能浏览器一键安装 |
仓库 README |
2. 功能介绍与亮点
azure-monitor-opentelemetry-py 是 Azure Monitor OpenTelemetry Distro for Python 的官方使用指南，核心卖点是“一行代码”完成 Application Insights 的自动埋点：调用 configure_azure_monitor() 即可自动捕获 Flask、Django、FastAPI、Requests、urllib3、httpx、aiohttp、psycopg2、pymysql、pymongo、redis 等主流库的调用链路，无需为每个框架单独接入埋点代码。
正文覆盖：三大框架（Flask/Django/FastAPI）专属的 Quick Start 代码片段；自定义 Trace/Metric/Log 的手动埋点方式；采样率控制（sampling_ratio）；多服务架构下设置 Cloud Role Name 用于服务拓扑图；按需禁用特定自动埋点模块；开启 Live Metrics 实时监控流；以及生产环境下用 DefaultAzureCredential/托管身份替代仅靠 Instrumentation Key 的认证方式。技能目录把次要场景（自定义遥测、采样等）拆分进 references/non-hero-scenarios.md，主文档只保留核心路径，避免内容过长影响可读性。
亮点：是整个 azure-sdk-python 系列中入门门槛最低的一支——多数同系列技能（如 Cosmos DB、Blob Storage）要求先掌握对应服务的 API，本技能只需两行代码即可为已有 Web 应用接入全链路可观测性；技能目录零可执行脚本，纯文档与代码示例；由多位具名微软工程师在 2026-02 至 07 月间持续迭代，最近一次实质更新在 2026-07-15。
3. 适用场景
固定分类：DevOps 与基础设施
面向已用 Flask、Django、FastAPI 等框架开发 Python Web 服务、希望不改动业务代码就获得请求链路追踪、自定义指标与结构化日志的开发者与运维人员，尤其适合初次为应用接入可观测性、不熟悉 OpenTelemetry 生态或 Application Insights 配置项的初中级用户。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——官方安装命令
npx skills add microsoft/skills在 README 中明确给出，安装向导可将技能放入.claude/skills/ - Codex：❓ 未验证——已抓取材料未说明该命令是否支持 Codex CLI 的技能目录结构
- OpenClaw：❓ 未验证——README 中的多 agent symlink 示例（
.opencode/skills）针对的是 OpenCode 项目，与 OpenClaw 是两个不同项目，不构成 OpenClaw 兼容性证据 - Hermes Agent：❓ 未验证——未见相关材料
5. 推荐理由
微软官方出品的 Azure Monitor OpenTelemetry Python 使用指南，把“两行代码接入全链路可观测性”这一几乎每个生产 Web 服务都需要的基础设施能力封装成可直接复用的范式，覆盖三大主流框架的专属示例、认证安全实践与生产环境采样配置，能让初中级开发者跳过 OpenTelemetry 生态的配置摸索期，快速让应用具备可追踪、可度量、可排障的观测能力。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 本技能所属 microsoft/skills 为官方仓库，2026-02～07 月间由多位具名微软工程师持续迭代该子目录；所属合集仓库规模（2,818★）不代表本技能自身热度，且未见第三方独立平台针对本技能的活跃讨论 |
| 可用性 | 9 | pip install azure-monitor-opentelemetry 一条命令即可安装；SKILL.md 按 Flask/Django/FastAPI 三大框架给出可直接复制的 Quick Start，进阶场景另有独立参考文件，无需额外脚本即可上手；最近一次实质提交距今约 11 天，无付费第三方依赖 |
| 安全性 | 9 | 技能目录不含任何可执行脚本，纯文档与代码示例；正文明确建议生产环境用 DefaultAzureCredential/托管身份而非仅靠 Instrumentation Key 明文认证；MIT 许可证明确；官方仓库多位具名工程师维护 |
| 综合 | 8.3 | 三项均值 |
安全检查清单逐项结果：① 技能目录内零脚本、零 shell 命令 ② 运行时通过 OpenTelemetry Exporter 向 Application Insights 官方 ingestion 端点外发遥测数据，这正是技能的核心功能，用途透明 ③ 需要 Application Insights 连接字符串标识目标资源，正文建议用 DefaultAzureCredential/托管身份认证而非仅靠明文 Instrumentation Key，并给出生产环境收窄凭据链的配置项 ④ 对 SKILL.md 及两个参考文件做关键词扫描，无可疑指令或混淆代码 ⑤ 官方仓库、多位具名工程师维护，无造假迹象 ⑥ MIT 许可证明确 ⑦ 最近一次实质提交距今约 11 天，维护活跃。
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
| azure-monitor-query-py-microsoft-skills | 微软官方的 Azure Monitor 查询客户端指南，面向已采集数据做 KQL 查询与分析（LogsQueryClient/MetricsQueryClient） |
与本技能是同一可观测性链路的上下游关系而非替代品：本技能负责“生成”遥测数据（自动埋点采集），该技能负责“消费”已采集的数据做查询分析 |
| Elastic APM Python Agent（业界常见方案） | 面向 Elastic Stack（APM Server + Elasticsearch）的开源 Python 自动埋点代理，同样支持 Flask/Django 自动埋点 | 目标后端不同，需自建或托管 ELK 而非使用 Azure 原生服务；本技能与 Azure 生态（Entra 身份、托管身份）的集成更深，且遥测数据直接落地用户自有的 Azure 订阅资源 |
| Datadog ddtrace（业界常见方案） | Datadog APM 的 Python 自动埋点库，对接 Datadog 商业 SaaS 后端 | ddtrace 需付费订阅 Datadog 且数据格式与其 SaaS 平台强绑定；本技能基于开源 OpenTelemetry 标准，数据格式可移植，遥测目标是用户自有资源而非第三方 SaaS |
8. 用户评价
该技能目前在第三方平台尚无独立具名用户评价。相关背景：microsoft/skills 仓库的 GitHub Issue #189（已关闭）中，用户 thevman 反映通过插件市场安装本仓库时因 pluginRoot 路径声明与实际插件路径不一致而报错“Failed to add Marketplace”；这是仓库级的已知安装限制，与本技能内容本身无关，改用 npx skills add 命令直接安装单个技能可绕开该问题。
9. 其他补充
技能目录采用“主文档 + 参考文件”的分层设计：SKILL.md 只保留 Flask/Django/FastAPI 三大框架的核心 Quick Start，自定义 Trace/Metric/Log、采样率、Live Metrics 等进阶场景拆分进 references/non-hero-scenarios.md，另有 references/capabilities.md 索引全部场景与生产checklist，方便按需深挖而不稀释主文档的核心路径。
10. 安装使用方式
- 推荐方式：
npx skills add microsoft/skills，交互向导会列出全部技能供勾选，选中azure-monitor-opentelemetry-py后放入当前 agent 对应的技能目录（如 Claude Code 为.claude/skills/） - 技能浏览器方式：访问 microsoft.github.io/skills，在网页版技能浏览器中一键安装
- 手动方式：
git clone https://github.com/microsoft/skills.git cp -r skills/.github/plugins/azure-sdk-python/skills/azure-monitor-opentelemetry-py your-project/.claude/skills/ - 使用前需自行开通 Azure Application Insights 资源并获取连接字符串（
APPLICATIONINSIGHTS_CONNECTION_STRING环境变量）；生产环境建议额外配置AZURE_TOKEN_CREDENTIALS=prod收窄凭据链；安装后无需重启，agent 会依据 SKILL.md 的description触发条件（如提到“Application Insights”、“OpenTelemetry distro”、“auto-instrumentation”等）自动调用
11. 注意事项
- Telemetry provider 不是上下文管理器，需在进程退出时显式调用 flush/shutdown，否则缓冲区中的遥测数据可能来不及导出
- 生产环境认证建议走
DefaultAzureCredential配合托管身份，而非仅依赖 Instrumentation Key 明文 - 通过插件市场（
/plugin marketplace add）安装本仓库时曾有用户反映路径配置报错（Issue #189），若遇到同类问题可改用npx skills add命令直接安装单个技能 - 跨 Agent 兼容性除 Claude Code 有明确安装说明外，其余三个生态均未验证，实际使用前建议先手动测试触发效果
- 使用前需自行准备好 Azure Application Insights 资源，本技能不含该资源的开通与计费说明