Una integración profesional de observabilidad que permite a los AI agents monitorear, solucionar problemas y optimizar sistemas de software complejos a través de Lightstep.
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install lightstep-integration
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar lightstep-integration usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
Obtén los archivos originales de la habilidad en un archivo ZIP.
Lightstep es una plataforma de observabilidad líder diseñada para proporcionar información profunda sobre el rendimiento de sistemas de software complejos y distribuidos. Esta skill permite a los desarrolladores y SRE integrar las capacidades de Lightstep directamente en sus flujos de trabajo de IA, habilitando el monitoreo y la optimización automatizados. Al utilizar Openclaw Skills para Lightstep, los agents pueden acceder programáticamente a spans, traces y metrics para mantener la confiabilidad y el rendimiento del sistema.
Mediante esta integración, se elimina la carga manual de gestionar la autenticación y los API headers. La skill aprovecha la infraestructura de Membrane para proporcionar una ruta segura y simplificada para que un AI agent interactúe con los datos de Lightstep, asegurando que los cuellos de botella de rendimiento se identifiquen y resuelvan con una intervención humana mínima.
Para comenzar con Lightstep usando Openclaw Skills, siga estos pasos de instalación:
# Install the required CLI tool
npm install -g @membranehq/cli@latest
# Log in and specify your agent type (e.g., openclaw)
membrane login --tenant --clientName=openclaw
# Create or ensure a connection to Lightstep
membrane connection ensure "https://lightstep.com/" --json
Siga la URL proporcionada en su navegador para completar el proceso de autenticación.
La skill de Lightstep organiza los datos en torno a las primitivas principales de observabilidad. A continuación se muestra la taxonomía de metadatos utilizada:
| Object | Description |
|---|---|
| Span / Span Set | Registros de operaciones individuales dentro de un trace distribuido. |
| Dashboard | Colecciones de gráficos y visualizaciones para el monitoreo del sistema. |
| SLO | Objetivos de Nivel de Servicio utilizados para rastrear metas de rendimiento. |
| Metric Chart | Representaciones visuales de datos de series temporales. |
| Project | El contenedor de nivel superior para organizar los recursos de observabilidad. |
Cargando
Una herramienta de monitoreo de rendimiento de aplicaciones que detecta errores y cuellos de botella de rendimiento en tiempo real a través del ecosistema Membrane.

Una integración especializada para el monitoreo de infraestructura que permite a los agentes de IA gestionar métricas, hosts y alertas de Mackerel mediante programación.

Una integración integral para gestionar terminales de pago de Ingenico Group, procesar transacciones y generar informes financieros a través de flujos de trabajo de agentes automatizados.

Una potente integración de soporte al cliente para gestionar consultas, contactos y flujos de trabajo empresariales automatizados a través de agentes de AI.

Una potente integración para gestionar la plataforma de AI no-code de Levity, que permite la clasificación automatizada de documentos y la extracción de datos a través de agentes de AI.

Una herramienta integral para que los agentes de IA gestionen datos de construcción y registros de proyectos a través de la plataforma Brick.








































