Qarote 最初是为了更快地观测 RabbitMQ。后来我们注意到用户真正的工作方式 — 不在我们的标签页里，而是在他们的编辑器中，与 AI 智能体对话。
于是我们围绕这一点重新打造了产品。如今的 Qarote 是面向智能体的 RabbitMQ 事件诊断工具：确定性规则引擎发现事件，LLM 解释根本原因，并通过 MCP 将这一切暴露给你的智能体。你通过提问来排障 — 而不是逐张图表点击查看。
知道某个队列堆积了很容易。但要在凌晨三点快速弄清楚为什么，才是真正的难点 — 值班时间也正是耗在这里。我们希望这个答案直接出现在你已经工作的地方。
修复只花了五分钟。
诊断却花了四十分钟。
Qarote 就是这两个数字之间的差距。
开发者越来越多地通过编辑器中的 AI 智能体来工作。一位疲惫的值班工程师最不想要的，就是再多学一个面板。所以我们交付的是智能体可调用的工具 — 而不是又一个需要点击的标签页。
一个你在事件发生时打开、翻找、并试图凭眼力关联的 Web 界面。有用，但它游离于你的工作流之外，而且永远只告诉你“是什么” — 从不告诉你“为什么”。
Qarote 通过 MCP 暴露事件、findings 和根因分析。你在编辑器中向智能体提问，它调用这些工具，解释便回到你已经身处的对话中。
检测能力和只读 MCP 工具均采用 MIT 许可。阅读规则、运行内核、信任它的行为 — 根基之处没有黑盒。
自托管，配合离线许可证校验 — 不回传。AI Explain 可运行在本地 Ollama 模型上，让 broker 数据永不离开你的网络。
朴实的语言，没有炒作，没有 dark patterns。我们宁愿给你看一段真实的代码或 finding，也不会自吹革命性。
打造检测引擎与代理接口。值过太多盯着队列图表的待命夜班，于是想要一个更好的答案。
一个小团队，正在低调招聘。想帮忙打造面向代理的运维工具吗？ 打个招呼.
Qarote