Avtomatizacija preiskave incidentov z agenti, ki jih poganja AI, in orodji DevOps
Uvod
V današnjih okoljih, ki izvirajo iz oblaka, sta preiskava in reševanje incidentov ključni komponenti praks DevOps. Vendar je lahko ročna preiskava incidenta dolgotrajna, nagnjena k napakam in pogosto zahteva obsežno strokovno znanje. Za reševanje teh izzivov bomo raziskali integracijo agentov Kiro, ki jih poganja umetna inteligenca, z AWS DevOps Agent in DSPy za samodejno preiskavo in reševanje incidentov.
Razumevanje komponent
Preden se poglobimo v integracijo, si oglejmo vključene komponente:
- Agenti, ki jih poganja AI Kiro: Kiro je platforma, ki poganja AI, ki omogoča ustvarjanje agentov po meri za avtomatizacijo opravil in delovnih tokov. Te agente je mogoče učiti na različnih virih podatkov, vključno z dnevniki, meritvami in konfiguracijskimi datotekami.
- AWS DevOps Agent: AWS DevOps Agent je orodje, ki omogoča avtomatizacijo opravil in delovnih tokov v AWS. Zagotavlja prilagodljiv in razširljiv način za avtomatizacijo opravil, kot je uvajanje aplikacij, spremljanje zmogljivosti in odpravljanje težav.
- DSPy: DSPy je knjižnica Python, ki zagotavlja preprost in učinkovit način za interakcijo z DSPy, podatkovno platformo, ki izvira iz oblaka. DSPy omogoča ustvarjanje podatkovnih cevovodov po meri, obdelavo podatkov in vizualizacijo podatkov.
Pregled integracije
Integracija agentov, ki jih poganja Kiro AI, z AWS DevOps Agent in DSPy vključuje naslednje korake:
- Zbiranje podatkov: Agent AWS DevOps zbira podatke iz različnih virov, kot so dnevniki, meritve in konfiguracijske datoteke.
- Obdelava podatkov: Zbrani podatki se obdelujejo s pomočjo DSPy, ki omogoča ustvarjanje podatkovnih cevovodov po meri, obdelavo podatkov in vizualizacijo podatkov.
- Usposabljanje agenta: obdelani podatki se uporabljajo za usposabljanje agenta Kiro, ki ga poganja AI, kar agentu omogoča, da se nauči vzorcev in nepravilnosti v podatkih.
- Preiskava incidenta: Ko pride do incidenta, se sproži agent, ki ga poganja Kiro AI, da razišče incident z uporabo usposobljenih modelov in podatkov.
- Rešitev: Agent zagotavlja priporočila za reševanje incidenta, ki jih je mogoče izvesti z AWS DevOps Agent.
Primer kode
Tukaj je preprost primer kode, ki prikazuje integracijo agentov, ki jih poganja Kiro AI, z AWS DevOps Agent in DSPy:
uvoz os
uvozi json
od Kiros Import Agent
iz dspy uvozite DSPy
aws_config = json.load(open('aws_config.json'))
# Ustvarite agenta, ki ga poganja Kiro AI
agent = Agent(
name='incident_investigation',
description='Samodejna preiskava in reševanje incidentov',
model='incident_investigation_model'
)
# Ustvarite primerek DSPy
dspy = DSPy(
gostitelj = 'localhost',
vrata=8080,
uporabniško ime='admin',
geslo='geslo'
)
# Definirajte podatkovni cevovod z uporabo DSPy
cevovod = dspy.cevovod(
name='incident_investigation_pipeline',
description='Samodejni cevovod za preiskavo incidentov',
viri=['dnevniki', 'metrike', 'konfiguracija']
)
# Usposobite Kiro agenta, ki ga poganja AI, z uporabo podatkovnega cevovoda
agent.train(
pipeline=cevovod,
data=dspy.data(
name='incident_investigation_data',
description='Podatki o avtomatizirani preiskavi incidenta'
)
)
# Sprožite agenta, ki ga poganja Kiro AI, da razišče incident
incident = {
'id': 'INC-12345',
'description': 'Nedelovanje aplikacije'
}
agent.trigger(
incident=incident,
data=dspy.data(
name='incident_investigation_data',
description='Podatki o avtomatizirani preiskavi incidenta'
)
)
# Pridobite priporočila agenta za reševanje incidenta
priporočila = agent.priporočila(
incident=incident,
data=dspy.data(
name='incident_investigation_data',
description='Podatki o avtomatizirani preiskavi incidenta'
)
)
# Izvedite priporočila agenta z uporabo agenta AWS DevOps
aws_config['recommendations'] = priporočila
aws_config['incident_id'] = incident['id']
aws_config['description'] = incident['description']
5–10 najbolj uporabljenih ukazov/izrezkov
Tukaj je 5-10 najbolj uporabljenih ukazov/delčkov za to tehnologijo:
- Ustvarjanje agenta Kiro AI-Powered:
agent = Agent( name='incident_investigation', description='Samodejna preiskava in reševanje incidentov', model='incident_investigation_model' )
2. **Ustvarjanje primerka DSPy**:
```python
dspy = DSPy(
gostitelj = 'localhost',
vrata=8080,
uporabniško ime='admin',
geslo='geslo'
)
- Definicija podatkovnega cevovoda:
cevovod = dspy.cevovod( name='incident_investigation_pipeline', description='Samodejni cevovod za preiskavo incidentov', viri=['dnevniki', 'metrike', 'konfiguracija'] )
4. **Usposabljanje za agente Kiro AI-Powered**:
```python
agent.train(
pipeline=cevovod,
data=dspy.data(
name='incident_investigation_data',
description='Podatki o avtomatizirani preiskavi incidenta'
)
)
- Kiro AI-powered Agent Triggering:
agent.trigger( incident=incident, data=dspy.data( name='incident_investigation_data', description='Podatki o avtomatizirani preiskavi incidenta' ) )
6. **Pridobivanje priporočil agenta**:
```python
priporočila = agent.priporočila(
incident=incident,
data=dspy.data(
name='incident_investigation_data',
description='Podatki o avtomatizirani preiskavi incidenta'
)
)
- Nalaganje konfiguracije agenta AWS DevOps:
aws_config = json.load(open('aws_config.json'))
8. **Izvedba priporočila AWS DevOps Agent**:
```python
aws_config['recommendations'] = priporočila
aws_config['incident_id'] = incident['id']
aws_config['description'] = incident['description']
- Pridobivanje podatkov DSPy:
podatki = dspy.data( name='incident_investigation_data', description='Podatki o avtomatizirani preiskavi incidenta' )
10. **Nalaganje modela agenta Kiro AI-Powered**:
```python
model = agent.model(
name='incident_investigation_model',
description='Model samodejne preiskave incidenta'
)
Vizualizacija
Tukaj je vizualizacija integracije z uporabo Chart.js:
{
"vrsta": "bar",
"podatki": {
"oznake": ["Zbiranje podatkov", "Obdelava podatkov", "Usposabljanje agentov", "Preiskava incidenta", "Rešitev"],
"nabori podatkov": [
{
"label": "Čas (sekunde)",
"podatki": [10, 20, 30, 40, 50],
"Barva ozadja": [
"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
}
]
},
"možnosti": {
"tehtnice": {
"yOsi": [
{
"ticks": {
"beginAtZero": res
}
}
]
}
}
}
Ta vizualizacija prikazuje čas, potreben za vsak korak v procesu integracije.
Sklep
V tem članku smo raziskali integracijo agentov, ki jih poganja AI Kiro, z AWS DevOps Agent in DSPy za avtomatizirano preiskavo incidentov in reševanje v okoljih, ki so izvirni iz oblaka. Zagotovili smo podroben pregled vključenih komponent, proces integracije in preprost primer kode, ki prikazuje integracijo. Vključili smo tudi vizualizacijo integracije z uporabo Chart.js in seznam 5–10 najpogosteje uporabljenih ukazov/delčkov za to tehnologijo.