AWS DevOps Agent тохиргоог ачаална уу

** AI-ээр ажилладаг агентууд болон DevOps хэрэгслүүдийн тусламжтайгаар ослын мөрдөн байцаалтыг автоматжуулах**

Танилцуулга

Өнөөгийн үүлд суурилсан орчинд ослын судалгаа, шийдвэрлэх нь DevOps практикийн чухал бүрэлдэхүүн хэсэг юм. Гэсэн хэдий ч гар аргаар ослын мөрдөн байцаалтын ажиллагаа нь цаг хугацаа их шаарддаг, алдаа гаргадаг бөгөөд ихэвчлэн өргөн мэдлэг шаарддаг. Эдгээр сорилтыг шийдвэрлэхийн тулд бид Kiro AI-ээр ажилладаг агентуудыг AWS DevOps Agent болон DSPy-тэй нэгтгэж, ослын автоматжуулсан мөрдөн байцаалт, шийдвэрлэх арга замыг судлах болно.

** Бүрэлдэхүүн хэсгүүдийн тухай ойлголт**

Интеграцид орохын өмнө үүнд хамаарах бүрэлдэхүүн хэсгүүдийг ойлгоцгооё.

Kiro AI-Powered Agents: Kiro нь хиймэл оюун ухаанаар ажилладаг платформ бөгөөд даалгавар болон ажлын урсгалыг автоматжуулах зорилгоор захиалгат агентуудыг бий болгох боломжийг олгодог. Эдгээр агентуудыг лог, хэмжүүр, тохиргооны файл зэрэг янз бүрийн мэдээллийн эх сурвалж дээр сургаж болно.
AWS DevOps Agent: AWS DevOps Agent нь AWS дээрх даалгавар болон ажлын урсгалыг автоматжуулах боломжийг олгодог хэрэгсэл юм. Энэ нь програмуудыг байршуулах, гүйцэтгэлийг хянах, алдааг олж засварлах зэрэг ажлыг автоматжуулах уян хатан, өргөтгөх боломжтой арга юм.
DSPy: DSPy нь Python номын сан бөгөөд үүлд суурилсан мэдээллийн платформ болох DSPy-тэй харилцах энгийн бөгөөд үр дүнтэй арга юм. DSPy нь захиалгат өгөгдлийн дамжуулах хоолой үүсгэх, өгөгдөл боловсруулах, өгөгдлийг дүрслэх боломжийг олгодог.

Интеграцийн тойм

Kiro AI-ээр ажилладаг агентуудыг AWS DevOps Agent болон DSPy-тэй нэгтгэх нь дараах алхмуудыг агуулна.

Өгөгдлийн цуглуулга: AWS DevOps Агент нь бүртгэл, хэмжүүр, тохиргооны файл зэрэг янз бүрийн эх сурвалжаас мэдээлэл цуглуулдаг.
Өгөгдөл боловсруулах: Цуглуулсан өгөгдлийг DSPy ашиглан боловсруулдаг бөгөөд энэ нь захиалгат өгөгдөл дамжуулах шугам үүсгэх, өгөгдөл боловсруулах, өгөгдлийг дүрслэх боломжийг олгодог.
Агентны сургалт: Боловсруулсан өгөгдлийг Kiro AI-ээр ажилладаг агентийг сургахад ашигладаг бөгөөд энэ нь агентад өгөгдөл дэх хэв маяг, гажигийг сурах боломжийг олгодог.
Ойл явдлын мөрдөн байцаалт: Осол гарсан үед Киро хиймэл оюун ухаанаар ажилладаг агент нь бэлтгэгдсэн загвар, өгөгдлийг ашиглан ослыг судлахаар ажилладаг.
Шийдвэрлэл: Агент нь AWS DevOps Agent ашиглан гүйцэтгэх боломжтой ослыг шийдвэрлэх зөвлөмжийг өгдөг.

Код жишээ

Kiro AI-ээр ажилладаг агентуудыг AWS DevOps Agent болон DSPy-тэй нэгтгэж байгааг харуулсан энгийн кодын жишээ энд байна:

импортын os
json импортлох
kiros импортын агентаас
dspy импортын DSPy-ээс


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

# Kiro AI-ээр ажилладаг агент үүсгэ
төлөөлөгч = Агент(
    нэр='тохиолдлын_мөрдөн байцаалт',
    description='Автоматжуулсан ослын мөрдөн байцаалт, шийдвэрлэх',
    загвар='тохиолдлын_мөрдөн байцаалтын_загвар'
)

# DSPy жишээ үүсгэх
dspy = DSPy(
    хост = 'localhost',
    порт = 8080,
    хэрэглэгчийн нэр = 'админ',
    нууц үг = 'нууц үг'
)

# DSPy ашиглан өгөгдөл дамжуулах шугамыг тодорхойлно
дамжуулах хоолой = dspy.pipeline(
    нэр = ' осол_мөрдөн байцаалтын_ дамжуулах хоолой ',
    description='Ойл явдлыг шалгах автоматжуулсан дамжуулах хоолой',
    эх сурвалж=['лог', ' хэмжүүр', 'тохиргоо']
)

# Киро хиймэл оюун ухаанаар ажилладаг агентийг өгөгдөл дамжуулах хоолойг ашиглан сурга
agent.train(
    дамжуулах хоолой = дамжуулах хоолой,
    өгөгдөл=dspy.data(
        нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл',
        description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл'
    )
)

# Киро хиймэл оюун ухаанаар ажилладаг агентийг үйл явдлыг шалгах
үйл явдал = {
    'id': 'INC-12345',
    'description': 'Програмын зогсолт'
}
agent.trigger(
    үйл явдал = тохиолдол,
    өгөгдөл=dspy.data(
        нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл',
        description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл'
    )
)

# Асуудлыг шийдвэрлэх төлөөлөгчийн зөвлөмжийг аваарай
зөвлөмж = agent.recommendations(
    үйл явдал = тохиолдол,
    өгөгдөл=dspy.data(
        нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл',
        description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл'
    )
)

# AWS DevOps Agent ашиглан агентын зөвлөмжийг гүйцэтгэнэ
aws_config['зөвлөмжүүд'] = зөвлөмжүүд
aws_config['insident_id'] = тохиолдол['id']
aws_config['тайлбар'] = хэрэг явдал['тайлбар']

Хамгийн их ашиглагддаг 5-10 тушаал/хэсэг

Энэ технологид хамгийн их ашиглагддаг 5-10 тушаал/хэсэг:

Киро хиймэл оюун ухаанаар ажилладаг агент бүтээх:

төлөөлөгч = Агент( нэр='тохиолдлын_мөрдөн байцаалт', description='Автоматжуулсан ослын мөрдөн байцаалт, шийдвэрлэх', загвар='тохиолдлын_мөрдөн байцаалтын_загвар' )

2. **DSPy Instance үүсгэх**:
    ``` питон
dspy = DSPy(
    хост = 'localhost',
    порт = 8080,
    хэрэглэгчийн нэр = 'админ',
    нууц үг = 'нууц үг'
)

Өгөгдлийн дамжуулах хоолойн тодорхойлолт:

дамжуулах хоолой = dspy.pipeline( нэр = ' осол_мөрдөн байцаалтын_ дамжуулах хоолой ', description='Ойл явдлыг шалгах автоматжуулсан дамжуулах хоолой', эх сурвалж=['лог', ' хэмжүүр', 'тохиргоо'] )

4. **Киро хиймэл оюун ухаанаар ажилладаг агентын сургалт**:
    ``` питон
agent.train(
    дамжуулах хоолой = дамжуулах хоолой,
    өгөгдөл=dspy.data(
        нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл',
        description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл'
    )
)

Киро хиймэл оюун ухаанаар ажилладаг агент триггер:

agent.trigger( үйл явдал = тохиолдол, өгөгдөл=dspy.data( нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл', description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл' ) )

6. **Агентаас өгсөн зөвлөмжийг сэргээх**:
    ``` питон
зөвлөмж = agent.recommendations(
    үйл явдал = тохиолдол,
    өгөгдөл=dspy.data(
        нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл',
        description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл'
    )
)

AWS DevOps Агентын тохиргоог ачаалж байна:

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

8. **AWS DevOps Агентын зөвлөмжийн гүйцэтгэл**:
    ``` питон
aws_config['зөвлөмжүүд'] = зөвлөмжүүд
aws_config['insident_id'] = тохиолдол['id']
aws_config['тайлбар'] = хэрэг явдал['тайлбар']

DSPy өгөгдөл сэргээх:

өгөгдөл = dspy.data( нэр = 'үйлдлийн_мөрдөн байцаалтын_өгөгдөл', description='Ойл явдлын автоматжуулсан судалгааны өгөгдөл' )

10. **Kiro AI-Powered Agent Model Loading**:
    ``` питон
загвар = агент.загвар(
    нэр = 'үйлдлийн_мөрдөн байцаалтын_загвар',
    description='Ойл явдлын автоматжуулсан судалгааны загвар'
)

Дүрслэл

Chart.js ашиглан интеграцийн дүрслэлийг энд үзүүлэв:

{
  "төрөл": "бар",
  "өгөгдөл": {
    "шошго": ["Өгөгдөл цуглуулах", "Мэдээлэл боловсруулах", "Агентны сургалт", "Ойл явдлын мөрдөн байцаалт", "Шийдвэрлэлт"],
    "өгөгдлийн багц": [
      {
        "label": "Цаг (секунд)",
        "өгөгдөл": [10, 20, 30, 40, 50],
        "арын өнгө": [
          "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)"
        ],
        "хилийн өргөн": 1
      }
    ]
  },
  "сонголт": {
    "масштаб": {
      "yAxes": [
        {
          "хачиг": {
            "beginAtZero": үнэн
          }
        }
      ]
    }
  }
}

Энэхүү дүрслэл нь интеграцийн үйл явцын алхам бүрт зарцуулсан хугацааг харуулдаг.

Дүгнэлт

Энэ нийтлэлд бид Kiro AI-ээр ажилладаг агентуудыг AWS DevOps Agent болон DSPy-тэй нэгтгэж, үүлэн орчинд автоматжуулсан ослын мөрдөн байцаалт, шийдвэрлэх талаар судалсан. Бид үүнд хамаарах бүрэлдэхүүн хэсгүүд, интеграцийн үйл явц, интеграцчлалыг харуулсан энгийн кодын жишээний нарийвчилсан тоймыг өгсөн. Мөн бид Chart.js ашиглан интеграцчлалын дүрслэл болон энэ технологид хамгийн их ашиглагддаг 5-10 тушаал/хэсгүүдийн жагсаалтыг оруулсан.

AWS DevOps Agent тохиргоог ачаална уу

Have Questions?