Monitoring & Observabilité
Logs, traces et metriques : OpenTelemetry, Sentry, Application Insights, Grafana.
| # | Skill | Source | Description | Maj | |
|---|---|---|---|---|---|
| 1 | dd-orchestrator | datadog-labs/agent-skills | Orchestrer l'onboarding Datadog en composant et enchaînant automatiquement les skills nécessaires. | 176 | 10j |
| 2 | dd-instrument-llmo | datadog-labs/agent-skills | Instrumenter un projet avec Datadog LLM Observability en suivant un référentiel structuré. | 176 | 15j |
| 3 | profile-vllm-performance | nvidia-ai-blueprints/video-search-and-summarization | Profiler les performances vLLM pour identifier et corriger les goulots d'étranglement GPU. | 1 931 | 16j |
| 4 | agent-observability-auto-experiment | datadog-labs/agent-skills | Automatiser une boucle d'amélioration itérative locale de code via évaluations et commits git. | 176 | 1mo |
| 5 | agent-observability-experiment-bootstrap | datadog-labs/agent-skills | Générer un artefact d'expérience reproductible pour évaluer des tâches LLM avec métriques et provenance. | 176 | 1mo |
| 6 | agent-observability-eval-bootstrap | datadog-labs/agent-skills | Analyser des traces LLM de production pour générer et publier une suite d'évaluateurs Datadog. | 176 | 1mo |
| 7 | agent-observability-eval-pipeline | datadog-labs/agent-skills | Orchestrer un pipeline d'évaluation en six phases pour analyser et améliorer des agents IA instrumentés. | 176 | 1mo |
| 8 | redis-observability | redis/agent-skills | Surveiller, diagnostiquer et alerter sur les métriques clés d'une instance Redis. | 167 | 2mo |
| 9 | agent-observability-replay-trace | datadog-labs/agent-skills | Rejouer une trace de production en local et itérer jusqu'à corriger l'output indésirable. | 176 | 2mo |
| 10 | jetson-memory-audit | nvidia/skills | Auditer la mémoire d'un Jetson et libérer les caches CUDA bloqués après un workload. | 3 634 | 3mo |
| 11 | dynamo-interconnect-check | nvidia/skills | Vérifier le transport RDMA/NVLink d'un déploiement Dynamo disaggrégé avant benchmark. | 3 634 | 4mo |
| 12 | dynamo-troubleshoot | nvidia/skills | Diagnostiquer et classifier les pannes Dynamo pour proposer des actions correctives précises. | 3 634 | 4mo |
| 13 | redis-observability | redis/agent-skills | Surveiller, diagnostiquer et alerter sur les métriques clés d'une instance Redis. | 167 | 4mo |
| 14 | distributed-tracing | wshobson/agents | Implémenter le traçage distribué avec Jaeger et Tempo pour visualiser les flux de requêtes. | 40 989 | 4mo |
| 15 | python-observability | wshobson/agents | Instrumenter des applications Python avec logs structurés, métriques et traces distribuées. | 40 989 | 4mo |
| 16 | azure-monitor-opentelemetry-exporter-py | microsoft/skills | Exporter des traces, métriques et logs OpenTelemetry vers Azure Application Insights. | 3 130 | 5mo |
| 17 | azure-monitor-opentelemetry-py | microsoft/skills | Configurer Azure Monitor avec OpenTelemetry pour instrumenter automatiquement des apps Python. | 3 130 | 5mo |
| 18 | azure-monitor-query-py | microsoft/skills | Interroger logs et métriques Azure Monitor via le SDK Python. | 3 130 | 5mo |
| 19 | error-tracking-python | posthog/skills | Intégrer le suivi d'erreurs PostHog dans des applications Python. | 74 | 6mo |
| 20 | error-tracking-python | posthog/skills | Intégrer le suivi d'erreurs PostHog dans des applications Python. | 74 | 6mo |
| 21 | logs-python | posthog/skills | Intégrer la collecte de logs PostHog dans des applications Python via OpenTelemetry. | 74 | 6mo |
| 22 | logs-python | posthog/skills | Intégrer la collecte de logs PostHog dans des applications Python via OpenTelemetry. | 74 | 6mo |
À propos de cette sélection
L'observabilité est souvent le dernier chantier qu'on branche et le premier qu'on regrette d'avoir bâclé. Quand un agent commence à enchaîner des appels LLM en production, savoir exactement où la latence explose ou quel span a silencieusement échoué transforme radicalement le débogage. Les skills monitoring & observabilité rassemblés ici couvrent des cas concrets : instrumenter un pipeline d'inférence pour en extraire des traces exploitables, ou auditer la consommation réelle d'un assistant Copilot avant que la facture surprenne tout le monde. L'outillage disponible est déjà dense, avec des contributions notables de Datadog Labs et Dash0 couvrant OpenTelemetry, les métriques système sous Linux et le troubleshooting de performance sur des stacks variées. Le profil qui atterrit ici : un SRE ou un ML engineer qui veut enfin piloter avec des données concrètes sous les yeux.