Выкарыстанне AI Agentic для аўтаматызацыі DevOps з Kiro і LangChain
Уводзіны
У сучасным імклівым ландшафце распрацоўкі праграмнага забеспячэння каманды DevOps пастаянна шукаюць спосабы павышэння эфектыўнасці і надзейнасці канвеераў бесперапыннай інтэграцыі і бесперапыннага разгортвання (CI/CD). Адным з перспектыўных падыходаў з'яўляецца выкарыстанне агентскага штучнага інтэлекту, які дазваляе ствараць інтэлектуальныя агенты, якія могуць аўтаматызаваць і аптымізаваць задачы DevOps. У гэтым артыкуле мы вывучым, як рэалізаваць агенты на базе штучнага інтэлекту з дапамогай Kiro і LangChain, дзвюх перадавых фрэймворкаў, якія робяць рэвалюцыю ў сферы аўтаматызацыі DevOps.
Што такое Agentic AI?
Agentic AI адносіцца да тыпу штучнага інтэлекту, які прызначаны для аўтаномнага выканання задач, гэтак жа, як агент-чалавек. У кантэксце DevOps агентскі штучны інтэлект можна выкарыстоўваць для аўтаматызацыі такіх задач, як стварэнне, тэставанне і разгортванне праграмных прыкладанняў. Выкарыстоўваючы метады машыннага навучання і апрацоўкі натуральнай мовы (NLP), агенты штучнага інтэлекту могуць вучыцца на вопыце і адаптавацца да зменлівых умоў, што робіць іх ідэальнымі для складаных і дынамічных працоўных працэсаў DevOps.
Прадстаўляем Kiro і LangChain
Kiro і LangChain - гэта два фрэймворкі з адкрытым зыходным кодам, якія спецыяльна распрацаваны для стварэння сістэм агентурнага штучнага інтэлекту. Kiro - гэта фрэймворк на аснове Rust, які забяспечвае надзейную і маштабаваную платформу для стварэння інтэлектуальных агентаў, а LangChain - гэта фреймворк на аснове Python, які сканцэнтраваны на NLP і разуменні мовы.
Kiro: фрэймворк на аснове Rust для стварэння інтэлектуальных агентаў
Kiro - гэта сучасная платформа на аснове Rust, якая забяспечвае поўную платформу для стварэння інтэлектуальных агентаў. З дапамогай Kiro распрацоўшчыкі могуць ствараць агентаў, якія могуць узаемадзейнічаць з рознымі сістэмамі, службамі і крыніцамі даных і выконваць такія задачы, як:
- Аўтаматызацыя працоўных працэсаў і працэсаў
- Аналіз дадзеных і прыняцце рашэнняў
- Сувязь з людзьмі і іншымі сістэмамі
Архітэктура Kiro распрацавана так, каб быць вельмі маштабаванай і гнуткай, што робіць яе ідэальным выбарам для буйнамаштабных праектаў аўтаматызацыі DevOps.
LangChain: фрэймворк на аснове Python для NLP і разумення мовы
LangChain - гэта фрэймворк на аснове Python, які сканцэнтраваны на NLP і разуменні мовы. З дапамогай LangChain распрацоўшчыкі могуць ствараць агентаў, якія могуць разумець і ствараць чалавечую мову, і выконваць такія задачы, як:
- Апрацоўка натуральнай мовы (NLP)
- Аналіз тэксту і аналіз пачуццяў
- Мова перакладу і генерацыі
Архітэктура LangChain распрацавана так, каб быць вельмі модульнай і пашыраемай, што робіць яе ідэальным выбарам для стварэння карыстальніцкага NLP і магчымасцей разумення мовы.
Укараненне агентаў на аснове штучнага інтэлекту з Kiro і LangChain
Каб прадэманстраваць магутнасць Kiro і LangChain, давайце разгледзім просты прыклад стварэння агента на аснове штучнага інтэлекту, які аўтаматызуе канвеер CI/CD. У гэтым прыкладзе мы будзем выкарыстоўваць Kiro для стварэння агента, які можа ўзаемадзейнічаць з рэпазітарам Git, ствараць і тэставаць код, а таксама разгортваць прыкладанне на воблачнай платформе.
Вось просты блок кода, які дэманструе, як стварыць агент Kiro, які аўтаматызуе канвеер CI/CD:
імпарт кіра
ад langchain import LLAMA
агент = kiro.Agent(
імя = "ci_cd_agent",
description="Аўтаматызуе канвеер CI/CD",
дзеянні=[
kiro.Action(
імя = "git_clone",
description="Клануе сховішча Git",
код = """
імпарт git
рэпа = git.Repo.clone("https://github.com/user/repo.git")
"""
),
kiro.Action(
імя = "зборка",
description="Стварае код",
код = """
падпрацэс імпарту
subprocess.run(["make", "build"])
"""
),
kiro.Action(
імя = "тэст",
description="Запускае тэсты",
код = """
падпрацэс імпарту
subprocess.run(["make", "test"])
"""
),
kiro.Action(
імя = "разгарнуць",
description="Разгортвае прыкладанне",
код = """
падпрацэс імпарту
subprocess.run(["зрабіць", "разгарнуць"])
"""
)
]
)
# Стварыце мадэль LangChain LLAMA
лама = ЛАМА(
імя = "лама_мадэль",
description="Мадэль LLAMA для разумення мовы",
код = """
імпарт Langchain
мадэль = langchain.LLAMA(
імя = "лама_мадэль",
description="Мадэль LLAMA для разумення мовы",
код = """
імпарт Langchain
мадэль = langchain.LLAMA(
імя = "лама_мадэль",
description="Мадэль LLAMA для разумення мовы",
код = """
дэф працэс_тэкст (тэкст):
# Апрацуйце тэкст з дапамогай мадэлі LLAMA
зваротны тэкст
"""
)
"""
)
"""
)
# Стварыце агента Kiro, які выкарыстоўвае мадэль LangChain LLAMA
агент = kiro.Agent(
імя = "ci_cd_agent",
description="Аўтаматызуе канвеер CI/CD",
дзеянні=[
kiro.Action(
імя = "git_clone",
description="Клануе сховішча Git",
код = """
імпарт git
рэпа = git.Repo.clone("https://github.com/user/repo.git")
"""
),
kiro.Action(
імя = "зборка",
description="Стварае код",
код = """
падпрацэс імпарту
subprocess.run(["make", "build"])
"""
),
kiro.Action(
імя = "тэст",
description="Запускае тэсты",
код = """
падпрацэс імпарту
subprocess.run(["make", "test"])
"""
),
kiro.Action(
імя = "разгарнуць",
description="Разгортвае прыкладанне",
код = """
падпрацэс імпарту
subprocess.run(["зрабіць", "разгарнуць"])
"""
)
],
language_model=лама
)
# Запусціце агента
agent.run()
Гэты блок кода дэманструе, як стварыць агент Kiro, які аўтаматызуе канвеер CI/CD з выкарыстаннем мадэлі LangChain LLAMA для разумення мовы. Агент можа ўзаемадзейнічаць з рэпазітарам Git, ствараць і тэставаць код, а таксама разгортваць прыкладанне на воблачнай платформе.
Топ-5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў
Вось 5-10 найбольш часта выкарыстоўваюцца каманд/фрагментаў для Kiro і LangChain:
kiroutil init: ініцыялізуе новы праект Kiro.kiroutil build: стварае агент Kiro.langchain init: ініцыялізуе новы праект LangChain.langchain build: будуе мадэль LangChain.kiroutil run: запускае агент Kiro.langchain test: тэстуе мадэль LangChain.kiroutil deploy: разгортвае агент Kiro на воблачнай платформе.langchain evaluate: Ацэньвае мадэль LangChain.kiroutil debug: адладжвае агент Kiro.langchain visualize: Візуалізуе мадэль LangChain.
Візуалізацыя
Вось візуалізацыя архітэктуры Kiro і LangChain з выкарыстаннем Chart.js:
{
"тып": "бар",
"дадзеныя": {
"labels": ["Kiro", "LangChain"],
"наборы дадзеных": [
{
"label": "Архітэктура",
"дадзеныя": [100, 80],
"backgroundColor": ["#4CAF50", "#FF9800"]
}
]
},
"параметры": {
"назва": {
"дысплей": праўда,
"text": "Архітэктура Kiro і LangChain"
},
"легенда": {
"дысплей": праўда
}
}
}
Гэтая візуалізацыя дэманструе высокаўзроўневую архітэктуру Kiro і LangChain, падкрэсліваючы іх моцныя і слабыя бакі.
Выснова
У гэтым артыкуле мы даследавалі моц агентурнага штучнага інтэлекту для аўтаматызацыі DevOps з выкарыстаннем Kiro і LangChain. Выкарыстоўваючы гэтыя перадавыя структуры, распрацоўшчыкі могуць ствараць інтэлектуальныя агенты, якія могуць аўтаматызаваць і аптымізаваць канвееры CI/CD, павышаючы эфектыўнасць дастаўкі праграмнага забеспячэння і зніжаючы рызыку памылак. З Kiro і LangChain распрацоўшчыкі могуць ствараць індывідуальны NLP і магчымасці разумення мовы, а таксама ўзаемадзейнічаць з рознымі сістэмамі, службамі і крыніцамі даных. Мы таксама прадставілі просты блок кода, які дэманструе, як стварыць агент Kiro, які аўтаматызуе канвеер CI/CD з выкарыстаннем мадэлі LangChain LLAMA для разумення мовы.