Загрузіце канфігурацыю AWS DevOps Agent

Аўтаматызацыя расследавання інцыдэнтаў з дапамогай агентаў на аснове штучнага інтэлекту і інструментаў DevOps

Уводзіны

У сучасных воблачных асяроддзях расследаванне і вырашэнне інцыдэнтаў з'яўляюцца найважнейшымі кампанентамі практыкі DevOps. Аднак ручное расследаванне інцыдэнтаў можа заняць шмат часу, схільна памылак і часта патрабуе шырокага вопыту. Каб вырашыць гэтыя праблемы, мы вывучым інтэграцыю агентаў Kiro на базе штучнага інтэлекту з AWS DevOps Agent і DSPy для аўтаматызаванага расследавання і вырашэння інцыдэнтаў.

Разуменне кампанентаў

Перш чым паглыбіцца ў інтэграцыю, давайце разбярэмся з задзейнічанымі кампанентамі:

Агенты на аснове штучнага інтэлекту Kiro: Kiro - гэта платформа на аснове штучнага інтэлекту, якая дазваляе ствараць карыстальніцкія агенты для аўтаматызацыі задач і працоўных працэсаў. Гэтых агентаў можна навучыць на розных крыніцах даных, уключаючы журналы, паказчыкі і файлы канфігурацыі.
AWS DevOps Agent: AWS DevOps Agent - гэта інструмент, які дазваляе аўтаматызаваць задачы і працоўныя працэсы ў AWS. Гэта забяспечвае гнуткі і маштабаваны спосаб аўтаматызацыі задач, такіх як разгортванне прыкладанняў, маніторынг прадукцыйнасці і ліквідацыю праблем.
DSPy: DSPy - гэта бібліятэка Python, якая забяспечвае просты і эфектыўны спосаб узаемадзеяння з DSPy, воблачнай платформай даных. DSPy дазваляе ствараць індывідуальныя каналы даных, апрацоўваць і візуалізаваць даныя.

Агляд інтэграцыі

Інтэграцыя агентаў Kiro на базе штучнага інтэлекту з AWS DevOps Agent і DSPy ўключае наступныя этапы:

Збор даных: агент AWS DevOps збірае даныя з розных крыніц, такіх як журналы, паказчыкі і файлы канфігурацыі.
Апрацоўка даных: сабраныя даныя апрацоўваюцца з дапамогай DSPy, які дазваляе ствараць індывідуальныя канвееры даных, апрацоўваць і візуалізаваць даныя.
Навучанне агентаў: апрацаваныя даныя выкарыстоўваюцца для навучання агента Kiro AI, які дазваляе агенту вывучаць заканамернасці і анамаліі ў дадзеных.
Расследаванне інцыдэнту: калі адбываецца інцыдэнт, запускаецца агент Kiro AI для расследавання інцыдэнту з выкарыстаннем падрыхтаваных мадэляў і даных.
Вырашэнне: агент дае рэкамендацыі па вырашэнні інцыдэнтаў, якія можна выканаць з дапамогай агента AWS DevOps.

Прыклад кода

Вось просты прыклад кода, які дэманструе інтэграцыю агентаў Kiro на базе AI з AWS DevOps Agent і DSPy:

імпарт os
імпарт json
ад агента імпарту kiros
з dspy імпартаваць DSPy


aws_config = json.load (адкрыць ('aws_config.json'))

# Стварыце агента Kiro на базе AI
агент = агент(
    name='incident_investigation',
    description='Аўтаматызаванае расследаванне і дазвол інцыдэнтаў',
    model='incident_investigation_model'
)

# Стварыце асобнік DSPy
dspy = DSPy(
    хост='лакальны',
    порт=8080,
    імя карыстальніка = 'адміністратар',
    пароль='пароль'
)

# Вызначце канвеер дадзеных з дапамогай DSPy
канвеер = dspy.pipeline(
    name='incident_investigation_pipeline',
    description='Аўтаматызаваны канвеер расследавання інцыдэнтаў',
    крыніцы = ['журналы', 'метрыкі', 'канфігурацыя']
)

# Навучыце агента на базе штучнага інтэлекту Kiro з дапамогай канвеера даных
agent.train(
    pipeline=трубаправод,
    дадзеныя=dspy.data(
        name='incident_investigation_data',
        description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў'
    )
)

# Запусціце агента Kiro з AI для расследавання інцыдэнту
здарэнне = {
    'id': 'INC-12345',
    'description': 'Прастой прыкладання'
}
agent.trigger(
    інцыдэнт=інцыдэнт,
    дадзеныя=dspy.data(
        name='incident_investigation_data',
        description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў'
    )
)

# Атрымайце рэкамендацыі агента па вырашэнні інцыдэнту
рэкамендацыі = agent.recommendations(
    інцыдэнт=інцыдэнт,
    дадзеныя=dspy.data(
        name='incident_investigation_data',
        description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў'
    )
)

# Выконвайце рэкамендацыі агента з дапамогай агента AWS DevOps
aws_config ['recommendations'] = рэкамендацыі
aws_config['incident_id'] = інцыдэнт['id']
aws_config['апісанне'] = інцыдэнт['апісанне']

Топ-5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў

Вось 5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў для гэтай тэхналогіі:

Стварэнне агента на аснове AI Kiro:

агент = агент( name='incident_investigation', description='Аўтаматызаванае расследаванне і дазвол інцыдэнтаў', model='incident_investigation_model' )

2. **Стварэнне асобніка DSPy**:
    ``` пітон
dspy = DSPy(
    хост='лакальны',
    порт=8080,
    імя карыстальніка = 'адміністратар',
    пароль='пароль'
)

Вызначэнне канвеера даных:

канвеер = dspy.pipeline( name='incident_investigation_pipeline', description='Аўтаматызаваны канвеер расследавання інцыдэнтаў', крыніцы = ['журналы', 'метрыкі', 'канфігурацыя'] )

4. **Навучанне агентам на аснове AI Kiro**:
    ``` пітон
agent.train(
    pipeline=трубаправод,
    дадзеныя=dspy.data(
        name='incident_investigation_data',
        description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў'
    )
)

Запуск агента на аснове AI Kiro:

agent.trigger( інцыдэнт=інцыдэнт, дадзеныя=dspy.data( name='incident_investigation_data', description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў' ) )

6. **Атрыманне рэкамендацый агента**:
    ``` пітон
рэкамендацыі = agent.recommendations(
    інцыдэнт=інцыдэнт,
    дадзеныя=dspy.data(
        name='incident_investigation_data',
        description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў'
    )
)

Загрузка канфігурацыі агента AWS DevOps:

aws_config = json.load (адкрыць ('aws_config.json'))

8. **Выкананне рэкамендацыі агента AWS DevOps**:
    ``` пітон
aws_config ['recommendations'] = рэкамендацыі
aws_config['incident_id'] = інцыдэнт['id']
aws_config['апісанне'] = інцыдэнт['апісанне']

Выманне дадзеных DSPy:

дадзеныя = dspy.data( name='incident_investigation_data', description='Аўтаматызаваныя дадзеныя расследавання інцыдэнтаў' )

10. **Загрузка мадэлі агента Kiro AI**:
    ``` пітон
мадэль = agent.model(
    імя = 'incident_investigation_model',
    description = 'Аўтаматызаваная мадэль расследавання інцыдэнтаў'
)

Візуалізацыя

Вось візуалізацыя інтэграцыі з выкарыстаннем Chart.js:

{
  "тып": "бар",
  "дадзеныя": {
    "ярлыкі": ["Збор даных", "Апрацоўка даных", "Навучанне агентаў", "Расследаванне інцыдэнту", "Развязанне"],
    "наборы дадзеных": [
      {
        "label": "Час (секунды)",
        "дадзеныя": [10, 20, 30, 40, 50],
        "фонавы колер": [
          "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
      }
    ]
  },
  "параметры": {
    "шалі": {
      "yAxes": [
        {
          "цікі": {
            "beginAtZero": праўда
          }
        }
      ]
    }
  }
}

Гэтая візуалізацыя паказвае час, затрачаны на кожны крок у працэсе інтэграцыі.

Выснова

У гэтым артыкуле мы даследавалі інтэграцыю агентаў Kiro на базе штучнага інтэлекту з AWS DevOps Agent і DSPy для аўтаматызаванага расследавання і вырашэння інцыдэнтаў у воблачных асяроддзях. Мы прадставілі падрабязны агляд задзейнічаных кампанентаў, працэс інтэграцыі і просты прыклад кода, які дэманструе інтэграцыю. Мы таксама ўключылі візуалізацыю інтэграцыі з выкарыстаннем Chart.js і спіс з 5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў для гэтай тэхналогіі.

Загрузіце канфігурацыю AWS DevOps Agent

Have Questions?