** Süni intellektlə işləyən agentlər və DevOps alətləri ilə insidentlərin araşdırılmasının avtomatlaşdırılması**
Giriş
Bugünkü bulud-doğma mühitlərdə hadisələrin araşdırılması və həlli DevOps təcrübələrinin kritik komponentləridir. Bununla belə, insidentlərin əl ilə araşdırılması vaxt aparan, xətaya meylli ola bilər və çox vaxt geniş təcrübə tələb edir. Bu problemləri həll etmək üçün biz Kiro süni intellektlə işləyən agentlərin AWS DevOps Agent və DSPy ilə inteqrasiyasını araşdıracağıq.
** Komponentləri Anlamaq**
İnteqrasiyaya keçməzdən əvvəl, daxil olan komponentləri anlayaq:
- Kiro AI-Powered Agents: Kiro tapşırıqların və iş axınlarının avtomatlaşdırılması üçün xüsusi agentlərin yaradılmasına imkan verən süni intellektlə işləyən platformadır. Bu agentlər müxtəlif məlumat mənbələri, o cümlədən jurnallar, ölçülər və konfiqurasiya faylları üzrə təlim keçə bilər.
- AWS DevOps Agent: AWS DevOps Agent AWS-də tapşırıqların və iş axınlarının avtomatlaşdırılmasına imkan verən alətdir. Tətbiqlərin yerləşdirilməsi, performansın monitorinqi və problemlərin aradan qaldırılması kimi tapşırıqları avtomatlaşdırmaq üçün çevik və genişlənə bilən üsul təqdim edir.
- DSPy: DSPy buludda yerli məlumat platforması olan DSPy ilə qarşılıqlı əlaqə qurmağın sadə və səmərəli yolunu təmin edən Python kitabxanasıdır. DSPy xüsusi məlumat boru kəmərlərinin yaradılmasına, məlumatların işlənməsinə və məlumatların vizuallaşdırılmasına imkan verir.
İnteqrasiya Baxışı
Kiro AI ilə işləyən agentlərin AWS DevOps Agent və DSPy ilə inteqrasiyası aşağıdakı addımları əhatə edir:
- Məlumat Toplanması: AWS DevOps Agent jurnallar, ölçülər və konfiqurasiya faylları kimi müxtəlif mənbələrdən məlumatları toplayır.
- Məlumatların Emalı: Toplanmış məlumat DSPy istifadə edərək emal edilir ki, bu da xüsusi məlumat kəmərlərinin yaradılmasına, məlumatların işlənməsinə və məlumatların vizuallaşdırılmasına imkan verir.
- Agent Təlimi: İşlənmiş məlumat Kiro süni intellektlə işləyən agenti öyrətmək üçün istifadə olunur ki, bu da agentə verilənlərdəki nümunələri və anomaliyaları öyrənməyə imkan verir.
- İnsidentin Təhqiqatı: Hadisə baş verdikdə, Kiro süni intellektlə işləyən agent təlim keçmiş modellər və məlumatlardan istifadə edərək hadisəni araşdırmaq üçün işə salınır.
- Qətiyyət: Agent AWS DevOps Agentindən istifadə etməklə həyata keçirilə bilən insidentlərin həlli üçün tövsiyələr təqdim edir.
Kod nümunəsi
Kiro AI ilə işləyən agentlərin AWS DevOps Agent və DSPy ilə inteqrasiyasını nümayiş etdirən sadə kod nümunəsi:
idxal os
json idxal edin
kiros idxal agentindən
dspy idxal DSPy-dən
aws_config = json.load(açıq('aws_config.json'))
# Kiro AI ilə işləyən bir agent yaradın
agent = agent(
name='hadisə_araşdırma',
description='Hadisələrin avtomatik araşdırılması və həlli',
model='investigation_model'
)
# DSPy nümunəsi yaradın
dspy = DSPy(
host='localhost',
port = 8080,
username='admin',
parol = 'parol'
)
# DSPy istifadə edərək məlumat kəmərini təyin edin
boru kəməri = dspy.pipeline(
name='investigation_investigation_pipeline',
description='Avtomatlaşdırılmış insident araşdırma boru kəməri',
mənbələr=['logs', 'metrik', 'konfiqurasiya']
)
# Məlumat boru kəmərindən istifadə edərək Kiro AI ilə işləyən agenti məşq edin
agent.train(
boru kəməri = boru kəməri,
data=dspy.data(
name='investigation_data',
description='Avtomatlaşdırılmış insident araşdırma məlumatları'
)
)
# Hadisəni araşdırmaq üçün Kiro AI ilə işləyən agenti işə salın
hadisə = {
'id': 'INC-12345',
'təsvir': 'Tətbiq dayanması'
}
agent.trigger(
hadisə = hadisə,
data=dspy.data(
name='investigation_data',
description='Avtomatlaşdırılmış insident araşdırma məlumatları'
)
)
# Hadisənin həlli üçün agentin tövsiyələrini alın
tövsiyələr = agent.recommendations(
hadisə = hadisə,
data=dspy.data(
name='investigation_data',
description='Avtomatlaşdırılmış insident araşdırma məlumatları'
)
)
# AWS DevOps Agentindən istifadə edərək agentin tövsiyələrini yerinə yetirin
aws_config['tövsiyələr'] = tövsiyələr
aws_config['insident_id'] = insident['id']
aws_config['təsvir'] = hadisə['təsvir']
Ən çox istifadə olunan 5-10 əmr/parça
Bu texnologiya üçün ən çox istifadə edilən 5-10 əmr/parçalar bunlardır:
- Kiro AI ilə Güclü Agent Yaradılması:
agent = agent( name='hadisə_araşdırma', description='Hadisələrin avtomatik araşdırılması və həlli', model='investigation_model' )
2. **DSPy Nümunəsinin Yaradılması**:
``` piton
dspy = DSPy(
host='localhost',
port = 8080,
username='admin',
parol = 'parol'
)
- Məlumat Boru Kəmərinin Tərifi:
boru kəməri = dspy.pipeline( name='investigation_investigation_pipeline', description='Avtomatlaşdırılmış insident araşdırma boru kəməri', mənbələr=['logs', 'metrik', 'konfiqurasiya'] )
4. **Kiro AI ilə Güclü Agent Təlimi**:
``` piton
agent.train(
boru kəməri = boru kəməri,
data=dspy.data(
name='investigation_data',
description='Avtomatlaşdırılmış insident araşdırma məlumatları'
)
)
- Kiro AI ilə Güclü Agent Tətikləmə:
agent.trigger( hadisə = hadisə, data=dspy.data( name='investigation_data', description='Avtomatlaşdırılmış insident araşdırma məlumatları' ) )
6. **Agent Tövsiyələrinin Axtarışı**:
``` piton
tövsiyələr = agent.recommendations(
hadisə = hadisə,
data=dspy.data(
name='investigation_data',
description='Avtomatlaşdırılmış insident araşdırma məlumatları'
)
)
- AWS DevOps Agent Konfiqurasiyası Yüklənir:
aws_config = json.load(açıq('aws_config.json'))
8. **AWS DevOps Agent Tövsiyəsinin İcrası**:
``` piton
aws_config['tövsiyələr'] = tövsiyələr
aws_config['insident_id'] = insident['id']
aws_config['təsvir'] = hadisə['təsvir']
- DSPy Məlumat Axtarışı:
data = dspy.data( name='investigation_data', description='Avtomatlaşdırılmış insident araşdırma məlumatları' )
10. **Kiro AI-Powered Agent Modelinin Yüklənməsi**:
``` piton
model = agent.model(
name='investigation_model',
description='Avtomatlaşdırılmış insident araşdırma modeli'
)
Vizuallaşdırma
Chart.js-dən istifadə edərək inteqrasiyanın vizuallaşdırılması budur:
{
"növ": "bar",
"data": {
"etiketlər": ["Məlumatların toplanması", "Məlumatların emalı", "Agent təlimi", "İnsidentin araşdırılması", "Həll"],
"verilənlər dəsti": [
{
"label": "Vaxt (saniyə)",
"data": [10, 20, 30, 40, 50],
"fon Rəngi": [
"rgba(255, 99, 132, 0.2)",
"rgba(54, 162, 235, 0.2)",
"rgba(255, 206, 86, 0.2)",
"rgba(75, 192, 192, 0.2)",
"rgba(153, 102, 255, 0.2)"
],
"borderColor": [
"rgba(255, 99, 132, 1)",
"rgba(54, 162, 235, 1)",
"rgba(255, 206, 86, 1)",
"rgba(75, 192, 192, 1)",
"rgba(153, 102, 255, 1)"
],
"borderWidth": 1
}
]
},
"seçimlər": {
"tərəzi": {
"yAxes": [
{
"gənə": {
"beginAtZero": doğrudur
}
}
]
}
}
}
Bu vizuallaşdırma inteqrasiya prosesində hər bir addım üçün çəkilən vaxtı göstərir.
Nəticə
Bu yazıda biz bulud mühitlərində avtomatlaşdırılmış insident araşdırması və həlli üçün Kiro AI ilə işləyən agentlərin AWS DevOps Agent və DSPy ilə inteqrasiyasını araşdırdıq. Biz cəlb olunan komponentlərin ətraflı icmalı, inteqrasiya prosesi və inteqrasiyanı nümayiş etdirən sadə kod nümunəsi təqdim etdik. Biz həmçinin Chart.js istifadə edərək inteqrasiyanın vizuallaşdırılmasını və bu texnologiya üçün ən çox istifadə olunan 5-10 əmr/parçaların siyahısını daxil etdik.