没有增加合作者,研讨会标志也没有被旋转,以避免影响正在举办的研讨会。 请与内部团队联系,以获得目前的工作坊代币.
概览
没有增加合作者,研讨会标志也没有被旋转,以避免影响正在举办的研讨会。 请与内部团队联系,以获得目前的工作坊代币. 关于学习AI/LLM可观察性与Dynatrace和示范背景协议的实践讲习班。 指南引导您通过启动代码空间, 配置您的环境, 并完成所有实验室 的详细指令,代码片段,和截图。 - 有OpenLLMetry的仪器AI/LLM应用程序 - 通过OTLP向Dynatrace发送痕迹 - 分析LLM的性能,符号使用,和成本 - 使用Dynatrace MCP进行代理AI工作流程 - 与Dynatrace Workflows自动进行AI成本监测 - 他们不把它叉开。 每位参与者发射各自孤立的"代码空间"(Codespace),其所有代码修改都对"代码空间"(Codespace)会话保密. 讲习班使用预先部署,以安全地分发Azure OpenAI证书.
概述（AI 翻译）
[有价值]
合作者没有被添加,研讨会符号也没有被旋转,以避免影响活动研讨会。 请与内部团队联系,以获得目前的工作坊代币.
关于学习AI/LLM可观察性与Dynatrace和示范背景协议的实践讲习班。
– – . . .
######## 工场出席者:从这里开始!**
翻译:
翻译: 指南引导您通过启动您的代码空间,配置您的环境, 并完成所有实验室 的详细指令、代码片段和截图 。
– – . . .
□ * * 讲习班概览
时间** 2 - 2.5小时 |----------.
- ** 级别** 中级* * 亲手实验室
- ** 格式** * GitHub 代码空间 * * *
你会学到什么
- 带有OpenLLMTry的仪器AI/LLM应用程序
- 通过OTLP向Dynatrace发送痕迹
- 分析LLM性能、象征性使用和成本
- 将Dynatrace MCP用于代理AI工作流程
- 用Dynatrace工作流程自动监控人工智能成本
– – . . .
□ □ □ 车间实验室
实验室 持续时间 描述 |-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- QQ 实验室 0: 设置 QQ 15分 环境配置 QQ
本页由 AI 翻译，技术细节请以原文为准。
README
以下为原文 README 节选，完整内容请查看原文。
🎯 Dynatrace AI Observability & MCP Workshop
[!IMPORTANT]
Collaborators are not being added, and the workshop token is not being rotated to avoid impacting active workshops. Please contact the internal team to obtain the current workshop token.
A hands-on workshop for learning AI/LLM observability with Dynatrace and the Model Context Protocol (MCP).
🚀 Workshop Attendees: Start Here!
The guide walks you through launching your Codespace, configuring your environment, and completing all labs with detailed instructions, code snippets, and screenshots.
📋 Workshop Overview
| Duration | 2 - 2.5 hours |
|---|---|
| Level | Intermediate |
| Format | Hands-on Labs |
| Platform | GitHub Codespaces |
What You’ll Learn
- ✅ Instrument AI/LLM applications with OpenLLMetry
- ✅ Send traces to Dynatrace via OTLP
- ✅ Analyze LLM performance, token usage, and costs
- ✅ Use Dynatrace MCP for agentic AI workflows
- ✅ Automate AI cost monitoring with Dynatrace Workflows
📚 Workshop Labs
| Lab | Duration | Description |
|---|---|---|
| Lab 0: Setup | 15 min | Environment configuration |
| Lab 1: Instrumentation | 15 min | Add OpenLLMetry to the sample app |
| Lab 2: Explore Traces | 30 min | Analyze AI traces in Dynatrace |
| Lab 3: Dynatrace MCP | 30 min | Use MCP for agentic AI |
| Lab 4: Automation | 30 min | Create automated workflows |
👨🏫 Instructor Setup
How It Works
Attendees share the same repository—they don’t fork it. Each attendee launches their own isolated Codespace, and all their code modifications stay private to that Codespace session.
The workshop uses a pre-deployed Azure Function secrets server to securely distribute Azure OpenAI credentials. Attendees enter a workshop token—they never see the actual API keys.
🛤️ Choose Your Setup Path
There are two ways to run this workshop as an instructor:
| Path | Best For | Requirements |
|---|---|---|
| Option A: Use Existing Infrastructure | Most instructors | Collaborator access to this repository |
| Option B: Stand Up Your Own | Using your own Dynatrace tenant + Azure OpenAI | Azure subscription + deployment skills |
Option A: Use Existing Infrastructure (Recommended)
安装
This server does not publish a one-line install command.
Open the repository installation guide 新手？先看 mcpskill.org 教程 →