Uma integração profissional de observabilidade que permite que AI agents monitorem, solucionem problemas e otimizem sistemas de software complexos através do Lightstep.
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install lightstep-integration
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o lightstep-integration usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
Lightstep é uma plataforma de observabilidade líder projetada para fornecer insights profundos sobre a performance de sistemas de software distribuídos e complexos. Esta skill permite que desenvolvedores e SREs integrem os recursos do Lightstep diretamente em seus fluxos de trabalho de IA, permitindo monitoramento e otimização automatizados. Ao utilizar Openclaw Skills para Lightstep, os agents podem acessar programaticamente spans, traces e metrics para manter a confiabilidade e performance do sistema.
Através desta integração, a sobrecarga manual de gerenciar autenticação e API headers é eliminada. A skill aproveita a infraestrutura Membrane para fornecer um caminho seguro e simplificado para um AI agent interagir com os dados do Lightstep, garantindo que os gargalos de performance sejam identificados e resolvidos com intervenção humana mínima.
Para começar a usar o Lightstep com Openclaw Skills, siga estas etapas de instalação:
# 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 a URL fornecida no seu navegador para concluir o processo de autenticação.
A skill Lightstep organiza os dados em torno das primitivas principais de observabilidade. Abaixo está a taxonomia de metadados utilizada:
| Object | Description |
|---|---|
| Span / Span Set | Registros de operações individuais dentro de um trace distribuído. |
| Dashboard | Coleções de gráficos e visualizações para monitoramento do sistema. |
| SLO | Objetivos de Nível de Serviço usados para rastrear metas de performance. |
| Metric Chart | Representações visuais de dados de séries temporais. |
| Project | O contêiner de nível superior para organizar recursos de observabilidade. |
Carregamento
Uma ferramenta de monitoramento de performance de aplicações que detecta erros e gargalos de performance em tempo real através do ecossistema Membrane.

Uma integração especializada para monitoramento de infraestrutura que permite que agentes de IA gerenciem métricas, hosts e alertas do Mackerel programaticamente.

Uma integração abrangente para gerenciar terminais de pagamento do Ingenico Group, processar transações e gerar relatórios financeiros via fluxos de trabalho de agentes automatizados.

Uma poderosa integração de suporte ao cliente para gerenciar consultas, contatos e fluxos de trabalho de negócios automatizados por meio de agentes de AI.

Uma integração poderosa para gerenciar a plataforma de AI no-code do Levity, permitindo a classificação automatizada de documentos e extração de dados via agentes de AI.

Uma ferramenta abrangente para agentes de IA gerenciarem dados de construção e registros de projetos através da plataforma Brick.








































