AttributeError: ‘CallToolResult’ object has no attribute ‘get’ inside set_attributes. The exception is caught (logged as “OpenTelemetry logging error in set_attributes”), so the span is still emit

问题场景

在 LiteLLM Proxy 中注册 MCP server（mcp_servers 块），并设置 litellm_settings.callbacks: ["otel"] 配合 OTLP endpoint 后，调用任意 MCP 工具（直接 /mcp 的 tools/call，或 chat-completions 的 MCP 自动执行）即触发。Issue 正文给出了最小进程内复现：直接构造 CallToolResult 并调用 async_success_handler，即可复现 AttributeError。评论中补充第二类触发场景：MCP 的 list_tools 会把一个普通 list 作为 response_obj 传入，每次 tools/list 也会报同一行错误。

报错原文

OpenTelemetry logging error in set_attributes 'CallToolResult' object has no attribute 'get'
  File ".../litellm/integrations/opentelemetry.py", line 2234, in set_attributes
    raise AttributeError(f'{type(self).__name__!r} object has no attribute {item!r}')
AttributeError: 'CallToolResult' object has no attribute 'get'

LiteLLM:ERROR: opentelemetry.py:2690 - OpenTelemetry logging error in set_attributes 'list' object has no attribute 'get'
Traceback (most recent call last):
  File "/app/.venv/lib/python3.13/site-packages/litellm/integrations/opentelemetry.py", line 2476, in set_attributes
    response_id = (response_obj.get("id") if response_obj else None) or standard_logging_payload.get("id")
                   ^^^^^^^^^^^^^^^^
AttributeError: 'list' object has no attribute 'get'

原因分析

最可能的原因是 litellm/integrations/opentelemetry.py 的 set_attributes 中直接假设 response_obj 是 dict：

response_id = (response_obj.get("id") if response_obj else None) or standard_logging_payload.get("id")

但当追踪对象是 MCP 工具调用时，response_obj 实际是 Pydantic 的 mcp.types.CallToolResult，不提供 .get()，于是在设置任何 output / response 属性之前就抛出异常。异常被捕获并记录为 “OpenTelemetry logging error in set_attributes”，因此 span 仍会发出，并保留输入属性 mcp_tool_call_metadata，但写入工具输出（如期望的 gen_ai.tool.output）的代码不会执行，输出静默缺失。

评论进一步确认：list_mcp_tools 传入的是普通 list，同样没有 .get，命中的是同一行代码；因此仅特判 CallToolResult 的修复不完整。

此外，评论指出 PR #30660（commit 0b5485ee）虽然显示已合并并自动关闭了本 Issue，但该 commit 不在 main 的历史中：gh api repos/BerriAI/litellm/compare/0b5485ee...main 返回 "diverged" 且 behind_by 为 15，怀疑 main 在该批次合并后被重写。结果是没有一个已发布版本包含该保护逻辑。

环境排查

• 确认 LiteLLM 版本：Issue 正文在 v1.88.0 / v1.89.0 复现，也在 v1.83.14 / v1.85.0 出现；评论确认 v1.99.0、v1.100.0 / v1.101.0 / v1.102.0、v1.104.2、v1.104.3、v1.105.0、v1.106.0-rc.1 仍未修复。
• 确认是否配置了 litellm_settings.callbacks: ["otel"] 及 OTLP endpoint。
• 确认是否注册了 MCP server（评论中使用 stdio MCP server 与多个 HTTP MCP server）。
• 检查 litellm/integrations/opentelemetry.py 中 set_attributes 是否仍存在未保护的 response_obj.get("id")。评论给出的定位：v1.99.0 在第 2445 行，v1.100.0 / v1.101.0 / v1.102.0 在第 2476 行，v1.103.0-rc.1 / main 在第 2509 行（具体行号随版本略有差异）。
• 确认 MCP 调用类型：tools/call 触发 CallToolResult 路径，tools/list 触发 list 路径，两者需分别验证。
• Issue 未提供 CUDA、显卡、Python 版本（评论中出现 Python 3.13 的 traceback 路径），这些不在本 Issue 的确证范围内。

解决步骤

1. 先在本地确认触发路径：开启 otel callback、注册 MCP server 后分别调用 tools/call 与 tools/list，观察 proxy 日志中是否出现 “OpenTelemetry logging error in set_attributes” 及对应的 AttributeError。
2. 定位 litellm/integrations/opentelemetry.py 的 set_attributes，找到 response_id = (response_obj.get("id") if response_obj else None) or standard_logging_payload.get("id") 这一行。
3. 如确认代码未修复，可优先尝试在本地打补丁，采用 Issue 与评论一致的方向：对非 dict、无 .get 的 response_obj 使用 getattr / hasattr 保护。Issue 正文示例：

   response_id = (
       (response_obj.get("id") if isinstance(response_obj, dict) else getattr(response_obj, "id", None))
       if response_obj else None
   ) or standard_logging_payload.get("id")
   

   该保护需同时覆盖 CallToolResult 与 list 两种形态；评论指出 hasattr(response_obj, "get") 可一次覆盖两者。

4. 若需要把工具输出写入 span，另需将 CallToolResult.content 提取到工具输出属性（Issue 中建议对应 gen_ai.tool.output）。此部分 Issue 未给出已验证实现，属于期望行为。
5. 不要依赖 PR #30660 的已合并状态：评论明确说明该 commit 0b5485ee 不在 main 历史中，且在所有已发布 tag 中都不存在保护注释，需确认升级后的镜像实际代码。
6. 重新构建 / 部署打补丁后的镜像，替换 proxy 镜像（评论中使用的镜像是 ghcr.io/berriai/litellm:v1.102.0，可作为环境参照）。

验证方法

再次通过 proxy 调用 MCP 的 tools/call 与 tools/list，确认日志中不再出现 OpenTelemetry logging error in set_attributes 以及 'CallToolResult' object has no attribute 'get' / 'list' object has no attribute 'get'。同时检查导出的 span：评论表示打上保护后，span 可正常导出并带有 litellm.call_id，错误停止。若还需验证工具输出是否写入 span，应确认 span 中除输入属性 mcp_tool_call_metadata 外，是否包含对应的工具输出属性（如 gen_ai.tool.output）。

参考来源

BerriAI/litellm #30651

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。