Привет, Хабр! В прошлых статьях мы уже обсуждали эволюцию подходов к мониторингу — от ручного анализа данных до использования MCP-серверов для взаимодействия с LLM  и сравнивали философию open-source стека (Prometheus + Grafana) с готовыми APM-платформами . Сегодня я хочу применить этот опыт к специфичной, но крайне важной области — мониторингу систем на платформе «1С:Предприятие».

Задача мониторинга 1С-ландшафта традиционно считалась нетривиальной. Причин несколько: это и закрытость платформы, и специфические источники данных, и сложность интерпретации происходящего для бизнеса. Однако за последние годы инструментарий сильно шагнул вперед. Давайте разберем, какие вообще существуют способы заглянуть под капот работающей 1С — от классических штатных средств до современных решений, строящих единую картину наблюдаемости.

Локальная LLM может тормозить и галлюцинировать при полностью «зелёном» мониторинге. Рассказываем, что мониторить помимо инфраструктуры, как устроена трассировка через OpenTelemetry. Плюс два кейса: фрагментация видеопамяти GPU и молчаливый отказ RAG.

Вступление: Почему мы заговорили об MCP?

Наверняка, вы, как читатели Хабра в 2025-2026 годах заметили всплеск интереса к аббревиатуре MCP. Много разных статей уже появилось на эту тему. Но сегодня я хотел рассмотреть MCP в контексте работы в связки с APM мониторингом.

Давайте пока коротко вспомним о чем речь, потом проговорим как это может помочь мониторингу и закончим обзором реализации MCP сервера в нашей системе Ключ-АСТРОМ.

Итак, появившись как open-source инициатива от Anthropic, Model Context Protocol быстро стал главным стандартом подключения LLM к внешним данным. Это можно сравнить с USB-C для ИИ: один универсальный разъем вместо кучи проприетарных коннекторов.

MCP — это протокол прикладного уровня, построенный поверх JSON-RPC 2.0. Его задача — стандартизировать обмен контекстом между ИИ-моделью (Хост) и источниками данных (Сервер).

Архитектура строится вокруг трех ключевых ролей:

Зачем APM‑платформы, если есть Prometheus и Grafana

Всем привет! Мы разрабатываем APM‑платформу и регулярно сталкиваемся с вопросом — зачем платить, если есть стек с открытым исходным кодом вроде Prometheus и Grafana? Поэтому давайте посмотрим на достаточно интересную тему, где я как разработчик, знаю продукт изнутри и топлю за него, но и не могу отрицать стандарты индустрии на open‑source.

Вокруг наблюдаемости давно есть устойчивый стек из open‑source продуктов: Prometheus, Grafana, Loki, Jaeger/Tempo и других. Для многих команд это дефолтный выбор — гибкий и контролируемый. В то же время, когда речь идёт о мониторинге сложных, распределенных систем и более быстром внедрении, APM‑платформы (Application Performance Monitoring and Observability) предлагают другой подход: готовый продукт с уже встроенной корреляцией данных, автоматизацией и минимальной настройкой.

Буду сравнивать по четырем ключевым метрикам: функциональные возможности, скорость развертывания, поддержка и адаптация к изменениям.