SRE Agent теперь общедоступен в Dynatrace.
Когда Dynatrace регистрирует проблему, SRE Agent берет ее на себя, анализируя инцидент за считанные минуты, а не часы: он автономно проводит глубокое расследование для определения первопричины, выполняет приоритизацию инцидента на основе оценки степени тяжести, затронутых пользователей, сущностей и радиуса поражения, а также перенаправляет его ответственной команде в момент срабатывания оповещения.
К тому моменту, когда пользователь открывает проблему, он получает сводку по инциденту и предложение по устранению прямо там, где он уже работает, со всем необходимым контекстом: в Slack, Microsoft Teams, по электронной почте, в JIRA, ServiceNow или своей системе тикетов. Это переход от реактивных операций к автономным: автономность, когда она вам нужна, с полным контролем агента над расследованием, и одобрение человеком, когда это важно, с владением решением со стороны пользователя.
Первый час после возникновения проблемы
На часах 2:13 ночи, когда срабатывает оповещение: оформление заказа не работает, и вы знаете, что это критично. Дежурный инженер просыпается, открывает пять вкладок и пытается ответить на один вопрос: может ли это подождать до утра или мне нужно разбудить команду, отвечающую за оформление заказа, команду баз данных или человека, который занимается крупными инцидентами?
На часах 2:13 ночи, когда срабатывает оповещение: оформление заказа не работает, и вы знаете, что это критично. Дежурный инженер просыпается, открывает пять вкладок и пытается ответить на один вопрос: может ли это подождать до утра или мне нужно разбудить команду, отвечающую за оформление заказа, команду баз данных или человека, который занимается крупными инцидентами?
Если инженер решает, что ждать нельзя, к делу подключается больше людей, и первый час уходит на то, чтобы выяснить, что сломалось, кто пострадал и чья это обязанность — исправлять проблему. Никто еще ничего не начал чинить.
Как SRE Agent исследует проблемы и расставляет приоритеты?
В тот момент, когда Dynatrace регистрирует проблему, SRE Agent начинает расследование. Через несколько минут его выводы готовы:
- Причина с учетом контекста: то, что обнаружил Dynatrace, объясненное простыми словами.
- Выводы SRE Agent: лежащие в их основе доказательства, такие как ошибки в логах, аномальные показатели, недавний деплой или изменение конфигурации.
- Кто и что пострадало: какие сервисы, сколько пользователей и что это значит для бизнеса.
- Что делать дальше: рекомендации по устранению, такие как откат последнего деплоя или перезапуск сбойного сервиса.
- Что он проверил и исключил: вы можете увидеть, как он пришел к своему ответу.
Возвращаясь к примеру выше, представьте, что первопричиной этого ночного оповещения стал сбой при деплое платежного сервиса, из-за чего оформление заказа не работало в течение 29 минут. SRE Agent
- проследил сбой до этого деплоя, обнаружил проблему в коде, которая ранее уже вызывала подобные неполадки, и порекомендовал откат.
- уведомил платежную команду и подготовил откат для утверждения.
Почему можно доверять выводам SRE Agent?
Прежде чем агент начнет работу, Dynatrace Intelligence уже выполнила сложную часть работы. Используя свое контекстное понимание ваших данных, система уже знает, что сломалось: платежный сервис начал давать сбои сразу после нового деплоя и утянул за собой оформление заказа, а также знает, какие другие сервисы и пользователи затронуты. Именно поэтому инженер получает одну проблему вместо потока оповещений: Dynatrace группирует события с одинаковой причиной.
Агент отталкивается от этого ответа и дополняет его, а не заменяет. Он добавляет контекст и доказательства, показывает, кто пострадал, и рекомендует, что делать. Поскольку расследование опирается на первопричину, обнаруженную Dynatrace в ваших собственных данных, вы можете проследить каждое умозаключение до исходных доказательств.
Как заставить SRE Agent работать?
SRE Agent встроен в качестве действия в рабочий процесс (workflow). Для достижения надежного результата совместно работают две части:
- SRE Agent справляется с неизвестным. У него есть цель, он исследует проблему и привлекает предметные знания SRE, а также набор навыков и инструментов, которые он выбирает для достижения результата.
- Рабочий процесс управляет известным. Вы определяете, когда он запускается, какого агента вызывает, с каким контекстом и инструкциями, и что происходит с результатом.
Добавьте действие Run agent в существующий рабочий процесс или начните с наших готовых шаблонов агентских рабочих процессов.
Каждый запуск следует одному и тому же циклу:
- Триггер: открывается проблема, генерируется событие или запускается расписание. Вы определяете триггер по типу проблемы, влиянию или критичности, например — только критические проблемы для клиентских сервисов.
- Анализ (Understand): агент начинает с первопричины, цепочки доказательств и влияния, а затем проводит дальнейшее исследование: извлекает связанные логи, события, деплои и метрики для затронутых сервисов, прослеживает зависимости Smartscape вверх и вниз по потоку настолько далеко, насколько ведут доказательства, проверяет наличие более ранних проблем с той же причиной и отсекает то, что не подходит.
- Приоритизация (Triage): настроенные вами правила определяют срочность проблемы на основе ее влияния и критичности.
- Маршрутизация (Route): рабочий процесс находит ответственную команду в данных о владельцах.
- Действие (Act): рабочий процесс берет структурированный результат и принимает решение о дальнейших шагах.
Что делать с этими результатами — решать вам, и это может зависеть от типа проблемы:
Простые правила на основе результата определяют, по какому пути идти. Затронуты пользователи? Вызвать владельца; в противном случае открыть тикет. Известная повторяющаяся проблема? Прикрепить известное исправление для утверждения. В примере выше пользователи пострадали, и агент обнаружил повторяющийся паттерн, поэтому рабочий процесс уведомил платежную команду и подготовил откат для утверждения. Каждый шаг в рабочем процессе остается под вашим управлением для адаптации.
За пределами управления инцидентами: создавайте собственные агентские рабочие процессы
SRE Agent исследует проблемы. С помощью действия Prompt agentic AI вы можете создавать агентов для других задач: вы пишете инструкции, выбираете данные и инструменты, доступные агенту.
Несколько наглядных примеров рабочих процессов, которые вы можете разработать (с учетом доступных инструментов, качества данных, разрешений и средств контроля проверки):
- Расходы соответствуют реальному использованию. Агент каждую неделю проверяет, что на самом деле потребляют ваши серверы, кластеры и облачные ресурсы, и может генерировать анализ оптимизации размеров с расчетной экономией на основе настроенных данных о затратах и использовании для проверки командами.
- Отчет, который рассказывает о действительно важном. Вместо того чтобы заполнять один и тот же шаблон каждую неделю, агент сравнивает текущую ситуацию с прошлой, выделяет тренды и изменения и пишет о том, что стоит знать, включая неожиданные моменты, о которых никто не догадался спросить.
- Увидьте то, что может произойти дальше. Агент прогнозирует, когда кластер достигнет своего лимита или диск заполнится, показывает, какие сервисы и пользователи пострадают, и поднимает предупреждение, пока еще есть время действовать, чтобы команды могли предотвратить перерастание проблем с емкостью в инциденты.
- Безопасность с акцентом на вероятные уязвимости. Для нового оповещения об угрозе агент может помочь определить, какие производственные системы наиболее подвержены рискам на основе доступных ему данных и области обнаружения, и отправить свои результаты вашей команде безопасности для проверки и валидации.
Как начать работу с SRE Agent?
Доверие к агенту формируется в процессе наблюдения за тем, как он решает ваши собственные задачи, поэтому начните с узкой сферы применения и расширяйте ее по мере того, как аннотации докажут свою полезность.
- Начните с сервисов, которыми вы владеете: настройте SRE Agent на работу только с вашими сервисами, отфильтровав затронутые объекты и ограничив уровень серьезности критическим или значительным. Следующая подходящая проблема будет включать анализ первопричин от агента, ключевые выводы и рекомендации на странице сведений о проблеме.
- Проверьте анализ перед расширением: сравните выводы с тем, что ваша команда обнаружила во время инцидента. При необходимости отредактируйте промпт и измените фильтр для дальнейшего расследования проблем.
- Отправляйте результат туда, где работает ваша команда: добавьте задачу Jira, ServiceNow, Slack или Microsoft Teams после шага агента, чтобы анализ попал в тикет или канал, который дежурный инженер уже просматривает.
- Запустите в продакшн: смените владельца на служебную учетную запись и следите за объемом запусков; при необходимости вы можете дополнительно разделить процессы на отдельные специализированные рабочие процессы.
Чтобы увидеть SRE Agent в действии, вы также можете начать расследование в Dynatrace Playground.
Мы с нетерпением ждем возможности узнать, как вы используете SRE Agent. Поделитесь своим опытом и сценариями использования с нами в сообществе.
