Home/AI Agents/databuff

databuff

Enrichment pending

databufflabs/databuff

AI-native OpenTelemetry APM with multi-agent root-cause analysis across traces, metrics, and service topology

GitHub Website

GraphCanon updated today · GitHub synced today

309 stars60 forksLast push today Java AGPL-3.0

databuff alternatives Trust report

Verify the decision

Maintenance and security

Full trust report

Maintenance: Very active (0d since push); As of today
Provenance: Not a fork · Personal account; As of today
Security (OSV): No lockfile; As of today

Public GitHub metadata and optional OSV scans. Signals, not a guarantee. Trust methodology.

Install

git clone https://github.com/databufflabs/databuff

Similar tools

Same-category neighbours. No typed graph edges are catalogued for this tool yet.

ECC

The agent harness performance optimization system for AI agents

228k★

hermes-agent

The agent that grows with you

213k★

AutoGPT

AutoGPT is the vision of accessible AI for everyone, to use and to build on.

185k★

Evidence and technical details

Sourced facts, taxonomy, compatibility claims, README excerpt, and machine-readable endpoints.

Overview

AI-native OpenTelemetry APM with multi-agent root-cause analysis across traces, metrics, and service topology

Capability facts

Languages: java
Source: github.language · Jul 15, 2026

Compatibility

Sourced claims from the README excerpt - not unsourced marketing copy.

Works with CursorCursor

Source: README excerpt (regex_v1, Jul 15, 2026)

- 🔌 **MCP 双向开放** — 平台暴露 MCP 供 Cursor / Claude 等调用；也可接入外部 MCP（Prometheus、SkyWalking 等）

Source link

README

AI Native OpenTelemetry APM

在线演示 | 文档 | English | 交流群

在线演示 Demo，需要加入下方交流群获取账号密码

DataBuff 是一款面向 AI 智能体、微服务、云原生场景的 AI 原生开源 APM 软件，以 OpenTelemetry 标准接入，提供全链路监控、服务拓扑、RED 指标、智能体监控与 AI 工作台。

功能特性

🤖 AI 原生，不是外挂聊天框 — LLM 直接查询 Trace、指标、拓扑、告警，回答基于真实数据
🧠 多智能体协同 — AI 大脑统一编排，智能问数 / 巡检专家各司其职，复杂问题并行协作
🎯 AI 应用监控（Roadmap）— LLM 调用链 · Token 分析 · Agent 拓扑 · 技能/工具/模型调用追踪
⚡ eBPF APM（Roadmap）— 内核级无侵入采集，零修改代码获取调用链与性能数据
📊 OpenTelemetry APM 底座 — OTLP 标准接入，覆盖故障排查、链路追踪、服务指标、服务拓扑
🚨 告警闭环 — 阈值与突变检测、定时评估、告警事件记录
🔧 Skill + Tool 可扩展 — 内置 Skill 可覆盖，支持自定义数字专家，无需改核心代码
🔌 MCP 双向开放 — 平台暴露 MCP 供 Cursor / Claude 等调用；也可接入外部 MCP（Prometheus、SkyWalking 等）
🐳 极简三组件架构 — Ingest + Doris + Web，Docker / K8s 一条命令跑起来
🌐 自带模型 — OpenAI 兼容 + Anthropic；支持 Kimi、DeepSeek、GLM、Ollama 等

效果展示

AI 分析

_{智能问数 · 自然语言查指标与 Trace}

_{多 Agent 协同 · 汇总证据给出结论}

APM 可观测

_{服务列表 · 红绿灯锁定异常}	_{全局拓扑 · 自动绘制调用关系}
_{服务详情 · 指标趋势与实例}	_{服务流 · 上下游依赖}

极简架构

快速安装

⚡ 从执行安装命令到 Demo 应用上报数据、看到链路追踪与拓扑，约 5 分钟 即可出效果。

依赖 docker、docker-compose；安装脚本自动识别 amd64/arm64，下载对应镜像包。

1. 安装平台

curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash

2. 安装 Demo 应用（可选）

curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash

离线安装

无法访问镜像仓库时，按架构下载离线包后在目标机器安装。版本与下载链接见官网安装页 Docker → 离线安装，或：

https://openocta.com/pkg/databuff/<version>/offline/databuff-ai-apm-offline-<version>-<arch>.tar.gz

tar -zxvf databuff-ai-apm-offline-<version>-<arch>.tar.gz
cd databuff-ai-apm-offline-<version>-<arch>

# 安装平台
sudo ./install.sh

Kubernetes 安装

依赖 kubectl 与可用 K8s 集群；脚本通过 K8s manifest 直装平台。