Datadog Agent Observability passa a fazer tracing de voice agents

O problema que o Datadog ataca aqui é conhecido por quem opera voice agents: a transcrição pode estar certa e a experiência, ruim. O áudio pode chegar atrasado, cortado ou diferente do texto na tela. Com traces só de texto, esse tipo de falha fica difícil de diagnosticar.

Para aplicações em Python com a OpenAI Realtime API e ddtrace 4.13.0 ou superior, a instrumentação automática captura, por turno, áudio de entrada e saída, transcrições, uso de tokens e tool calls, sem montar spans de áudio na mão. O Datadog converte PCM16 e G.711 brutos para WAV, então dá para ouvir direto no trace. A instrumentação também emite a métrica de distribuição ml_obs.trace.time_to_first_agent_audio, que mede quanto o usuário espera pelo primeiro áudio do agente. Com agregações de percentil ativas, dá para comparar p50, p95 e p99. O facet "Average time to first agent audio" ajuda a filtrar os turnos mais lentos.

O tracing do Amazon Nova 2 Sonic chega nos tracers de Python e Node.js. O suporte ao ElevenLabs Realtime está previsto para o ddtrace 4.17.0, ainda não disponível. Quem já emite spans compatíveis com as convenções semânticas GenAI do OpenTelemetry (versão 1.37 ou superior) também pode enviar partes de mensagem de áudio. O plano gratuito inclui até 40.000 spans de LLM por mês.

Em 9 de fevereiro de 2026, o CEVIU noticiou "Monitorando aplicações agentic do Google ADK com Datadog LLM Observability", sobre instrumentação automática de agentes com foco em decisões, tokens, latência e qualidade das respostas. Agora o escopo avança para voz: além de tokens e latência, entram áudio e transcrições no mesmo trace.

Para quem opera voice agents em produção, isso significa tratar latência de primeiro áudio como SLI próprio, com percentis, em vez de olhar só duração de resposta de texto. Também ajuda a separar falha de modelo, de tool e de turn-taking. Vale checar a versão do ddtrace antes de planejar o rollout, e o suporte ao ElevenLabs só entra com a 4.17.0.