Kiro və LangChain ilə DevOps avtomatlaşdırılması üçün Agentic AI-dan istifadə etmək
Giriş
Günümüzün sürətlə inkişaf edən proqram təminatının inkişafı mənzərəsində DevOps komandaları davamlı inteqrasiya və davamlı yerləşdirmə (CI/CD) boru kəmərlərinin səmərəliliyini və etibarlılığını artırmaq üçün daim yollar axtarır. Perspektivli yanaşmalardan biri, DevOps tapşırıqlarını avtomatlaşdıra və optimallaşdıra bilən ağıllı agentlərin yaradılmasına imkan verən agent AI-dan istifadə etməkdir. Bu yazıda biz DevOps avtomatlaşdırma sahəsində inqilab edən iki qabaqcıl çərçivə olan Kiro və LangChain-dən istifadə edərək süni intellektlə işləyən agentləri necə tətbiq edəcəyimizi araşdıracağıq.
Agentic AI nədir?
Agentlik süni intellekt, bir insan agenti kimi, vəzifələri avtonom şəkildə yerinə yetirmək üçün nəzərdə tutulmuş bir növ süni intellektə aiddir. DevOps kontekstində agent süni intellekt proqram proqramlarının qurulması, sınaqdan keçirilməsi və yerləşdirilməsi kimi tapşırıqları avtomatlaşdırmaq üçün istifadə edilə bilər. Maşın öyrənməsi və təbii dil emalı (NLP) üsullarından istifadə etməklə agent AI agentləri təcrübədən öyrənə və dəyişən mühitlərə uyğunlaşa, onları mürəkkəb və dinamik DevOps iş axınları üçün ideal hala gətirə bilər.
Kiro və LangChain təqdim edirik
Kiro və LangChain, agent AI sistemlərinin qurulması üçün xüsusi olaraq hazırlanmış iki açıq mənbəli çərçivədir. Kiro, ağıllı agentlər yaratmaq üçün möhkəm və genişləndirilə bilən bir platforma təmin edən Rust əsaslı bir çərçivədir, LangChain isə NLP və dil anlayışına diqqət yetirən Python əsaslı çərçivədir.
Kiro: Ağıllı Agentlərin Yaradılması üçün Pas əsaslı Çərçivə
Kiro, ağıllı agentlər yaratmaq üçün hərtərəfli platforma təmin edən müasir Rust əsaslı çərçivədir. Kiro ilə tərtibatçılar müxtəlif sistemlər, xidmətlər və məlumat mənbələri ilə qarşılıqlı əlaqədə ola bilən agentlər yarada və aşağıdakı kimi tapşırıqları yerinə yetirə bilərlər:
- İş axını və proseslərin avtomatlaşdırılması
- Məlumatların təhlili və qərarların qəbul edilməsi
- İnsanlar və digər sistemlərlə ünsiyyət
Kironun arxitekturası yüksək miqyaslı və çevik olmaq üçün nəzərdə tutulmuşdur ki, bu da onu irimiqyaslı DevOps avtomatlaşdırma layihələri üçün ideal seçim edir.
LangChain: NLP və Dil Anlayışı üçün Python əsaslı Çərçivə
LangChain, NLP və dil anlayışına diqqət yetirən Python əsaslı çərçivədir. LangChain ilə tərtibatçılar insana bənzər dili başa düşə və yarada bilən agentlər yarada və aşağıdakı kimi tapşırıqları yerinə yetirə bilərlər:
- Təbii dil emalı (NLP)
- Mətn təhlili və əhval-ruhiyyə təhlili
- Dil tərcüməsi və nəsil
LangChain-in arxitekturası yüksək modul və genişlənən olmaq üçün nəzərdə tutulmuşdur ki, bu da onu xüsusi NLP və dil anlama imkanları yaratmaq üçün ideal seçim edir.
Kiro və LangChain ilə süni intellektlə işləyən agentlərin tətbiqi
Kiro və LangChain-in gücünü nümayiş etdirmək üçün CI/CD boru kəmərini avtomatlaşdıran süni intellektlə işləyən agentin yaradılmasının sadə nümunəsini nəzərdən keçirək. Bu misalda biz Kirodan Git repozitoriyası ilə qarşılıqlı əlaqə qura bilən, kodu qura və sınaqdan keçirə bilən agent yaratmaq üçün istifadə edəcəyik və tətbiqi bulud platformasına yerləşdirəcəyik.
Budur, CI/CD boru kəmərini avtomatlaşdıran Kiro agentinin necə yaradılacağını nümayiş etdirən sadə kod bloku:
idxal kiro
langchain idxal LLAMA-dan
agent = kiro.Agent(
name="ci_cd_agent",
description="CI/CD boru kəmərini avtomatlaşdırır",
hərəkətlər=[
kiro.Action(
ad = "git_clone",
description="Git repozitoriyasını klonlayır",
kod="""
git idxal edin
repo = git.Repo.clone("https://github.com/user/repo.git")
"""
),
kiro.Action(
ad = "qurmaq",
description="Kod yaradır",
kod="""
idxal alt prosesi
subprocess.run(["yaratmaq", "qurmaq"])
"""
),
kiro.Action(
ad = "test",
description="Testləri icra edir",
kod="""
idxal alt prosesi
subprocess.run(["et", "test"])
"""
),
kiro.Action(
ad = "yerləşdirmək",
description="Tətbiqi yerləşdirir",
kod="""
idxal alt prosesi
subprocess.run(["edin", "yerləşdirin"])
"""
)
]
)
# LangChain LLAMA modelini yaradın
lama = LLAMA(
ad = "llama_model",
description="Dil anlaması üçün LLAMA modeli",
kod="""
idxal langchain
model = langchain.LLAMA(
ad = "llama_model",
description="Dil anlaması üçün LLAMA modeli",
kod="""
idxal langchain
model = langchain.LLAMA(
ad = "llama_model",
description="Dil anlaması üçün LLAMA modeli",
kod="""
def process_text(mətn):
# LLAMA modelindən istifadə edərək mətni emal edin
mətni qaytarın
"""
)
"""
)
"""
)
# LangChain LLAMA modelindən istifadə edən Kiro agenti yaradın
agent = kiro.Agent(
name="ci_cd_agent",
description="CI/CD boru kəmərini avtomatlaşdırır",
hərəkətlər=[
kiro.Action(
ad = "git_clone",
description="Git repozitoriyasını klonlayır",
kod="""
git idxal edin
repo = git.Repo.clone("https://github.com/user/repo.git")
"""
),
kiro.Action(
ad = "qurmaq",
description="Kod yaradır",
kod="""
idxal alt prosesi
subprocess.run(["yaratmaq", "qurmaq"])
"""
),
kiro.Action(
ad = "test",
description="Testləri icra edir",
kod="""
idxal alt prosesi
subprocess.run(["et", "test"])
"""
),
kiro.Action(
ad = "yerləşdirmək",
description="Tətbiqi yerləşdirir",
kod="""
idxal alt prosesi
subprocess.run(["edin", "yerləşdirin"])
"""
)
],
dil_model=llama
)
# Agenti işə salın
agent.run()
Bu kod bloku dilin anlaşılması üçün LangChain LLAMA modelindən istifadə edərək CI/CD boru kəmərini avtomatlaşdıran Kiro agentinin necə yaradılacağını nümayiş etdirir. Agent Git deposu ilə əlaqə saxlaya, kodu yarada və sınaqdan keçirə və tətbiqi bulud platformasına yerləşdirə bilər.
Ən çox istifadə edilən 5-10 əmr/parça
Kiro və LangChain üçün ən çox istifadə olunan 5-10 əmr/parçalar bunlardır:
kiroutil init: Yeni Kiro layihəsini işə salır.kiroutil build: Kiro agenti qurur.langchain init: Yeni LangChain layihəsini işə salır.langchain build: LangChain modelini qurur.kiroutil run: Kiro agentini idarə edir.langchain testi: LangChain modelini sınaqdan keçirir.kiroutil deploy: Kiro agentini bulud platformasına yerləşdirir.langchain evaluate: LangChain modelini qiymətləndirir.kiroutil debug: Kiro agentində debug edir.langchain visualize: LangChain modelini vizuallaşdırır.
Vizuallaşdırma
Chart.js istifadə edərək Kiro və LangChain arxitekturasının vizuallaşdırılması:
{
"növ": "bar",
"data": {
"etiketlər": ["Kiro", "LangChain"],
"verilənlər dəsti": [
{
"label": "Memarlıq",
"data": [100, 80],
"backgroundColor": ["#4CAF50", "#FF9800"]
}
]
},
"seçimlər": {
"başlıq": {
"ekran": doğru,
"text": "Kiro və LangChain Architecture"
},
"əfsanə": {
"ekran": doğrudur
}
}
}
Bu vizuallaşdırma Kiro və LangChain-in yüksək səviyyəli arxitekturasını nümayiş etdirir, onların güclü və zəif tərəflərini vurğulayır.
Nəticə
Bu yazıda biz Kiro və LangChain istifadə edərək DevOps avtomatlaşdırılması üçün agent AI-nin gücünü araşdırdıq. Bu qabaqcıl çərçivələrdən istifadə etməklə tərtibatçılar CI/CD boru kəmərlərini avtomatlaşdıra və optimallaşdıra, proqram təminatının çatdırılmasının səmərəliliyini artıra və xəta riskini azalda bilən ağıllı agentlər yarada bilərlər. Kiro və LangChain ilə tərtibatçılar xüsusi NLP və dil anlama imkanları yarada, müxtəlif sistemlər, xidmətlər və məlumat mənbələri ilə qarşılıqlı əlaqədə ola bilərlər. Biz həmçinin dilin başa düşülməsi üçün LangChain LLAMA modelindən istifadə edərək CI/CD boru kəmərini avtomatlaşdıran Kiro agentinin necə yaradılacağını nümayiş etdirən sadə kod bloku təqdim etmişik.