Pinterest столкнулся с фрагментированной системой наблюдаемости, где журналы, трассировки и метрики были изолированы. Это препятствовало целостному пониманию проблем платформы, заставляя инженеров перемещаться по нескольким интерфейсам. Команда приняла подход "сдвиг влево" и "сдвиг вправо" для улучшения инструментария и мониторинга производства. Чтобы преодолеть фрагментацию данных, они обратились к искусственному интеллекту и контекстной инженерии, в частности, используя протокол Model Context Protocol (MCP). Был разработан MCP-сервер для объединения разрозненных сигналов наблюдаемости, таких как метрики, журналы, трассировки и события изменений. Это решение позволяет агентам ИИ получать доступ к данным и коррелировать их без полной перестройки инфраструктуры. MCP-сервер обеспечивает унифицированный доступ к различным столпам данных, предлагая детальный контроль контекста и подключаемую расширяемость. Он действует как центр для агентных опытов наблюдаемости, позволяя командам создавать инструменты, учитывающие контекст. Возникли проблемы из-за ограничений размера контекста модели, связанных с огромным объемом обрабатываемых данных. Решения включали создание прямых ссылок на соответствующие панели мониторинга или предоставление более конкретной документации по инструментам для агентов ИИ.