Diagnozowanie z obserwacją zewnętrzną w agencie usługi Azure SRE

Wskazówka

  • Zmniejsz liczbę 15–30 minut ręcznego łączenia danych na różnych platformach do minut w jednej konwersacji.
  • Eliminuj niepewność, korelując metryki infrastruktury, aplikacji i działalności biznesowej w jednym z badań.
  • Połącz dowolną platformę obserwacji z serwerem MCP w taki sam sposób, bez konieczności integracji niestandardowych.
  • Dodaj nowe platformy bez zmian kodu, ponieważ agent automatycznie odnajduje swoje narzędzia.

Problem: dane dotyczące obserwacji rozproszone na różnych platformach

Aplikacje działają na platformie Azure, ale stos możliwości obserwacji obejmuje wiele platform, w tym dynatrace dla śladów, usługę Azure Monitor dla infrastruktury, narzędzie Splunk dla dzienników, usługę Kusto dla metryk biznesowych. Podczas zdarzenia ręcznie łączysz te silosy: kopiując identyfikatory operacji między kartami, korelacja sygnatur czasowych w językach zapytań (DQL, KQL, SPL) i spędzając 15–30 minut na łączeniu danych, zanim zaczniesz diagnozować.

Jak agent rozwiązuje ten problem

Korzystając z protokołu MCP (Model Context Protocol), możesz połączyć narzędzia do obserwacji. Agent wykonuje zapytania dotyczące wszystkich tych narzędzi (zarówno platformy Azure, jak i z zewnątrz) podczas każdego badania.

  1. Wykonuje zapytania dotyczące usług platformy Azure , takich jak Application Insights, Log Analytics, Azure Monitor, Resource Graph (wbudowane, bez konieczności konfigurowania).
  2. Wysyła zapytania do zewnętrznych narzędzi, w tym dzienników Dynatrace za pośrednictwem DQL, metryk Datadog, oraz zdarzeń Splunk (za pośrednictwem łączników MCP).
  3. Koreluje sygnały między platformami , które łączą skoki błędów w aplikacji Dynatrace z historią wdrożenia na platformie Azure, automatycznie dopasuje znaczniki czasu.
  4. Raportuje ujednolicony obraz obejmujący wątek badawczy z dowodami z każdego połączonego systemu.

Kluczowy mechanizm: agent rejestruje narzędzia z każdego połączonego serwera MCP wraz z wbudowanymi narzędziami platformy Azure. Podczas badania wybiera odpowiednie narzędzia w oparciu o to, co bada, a nie na podstawie platformy, z której pochodzą. Aby dowiedzieć się więcej, zobacz wybór narzędzi.

Co sprawia, że takie podejście różni się

Agent wykonuje zapytania dotyczące wszystkich platform obserwacji w ramach jednego badania, koreluje sygnały automatycznie i dostosowuje się, gdy platformy dodają nowe możliwości.

W przeciwieństwie do oddzielnych pulpitów nawigacyjnych agent wykonuje zapytania dotyczące wszystkich platform do obserwacji w ramach jednego badania. Nie przełączasz kart ani nie tłumaczysz między językami zapytań. Twój agent obsługuje język DQL dla platformy Dynatrace, KQL dla platformy Azure oraz wszelkie inne narzędzia, które obsługuje Twój system.

W przeciwieństwie do korelacji ręcznej agent automatycznie łączy sygnały między platformami. Kiedy narzędzie Dynatrace pokazuje wzrost liczby błędów 5xx, a platforma Azure informuje o niedawnym wdrożeniu aplikacji kontenera, agent dokonuje korelacji tych wyników i tworzy pojedynczą, jednolitą analizę przyczyny źródłowej.

W przeciwieństwie do integracji punkt-punkt, MCP jest protokołem otwartym. Usługi, takie jak Dynatrace, Datadog, New Relic i Splunk, publikują serwer MCP, z którego agent łączy się w ten sam sposób. Gdy platforma dodaje nowe możliwości do serwera MCP, agent odnajduje je automatycznie.

Zobacz, jak działają łączniki MCP , jak agenci niestandardowi specjalizują się w oparciu o platformę i jak baza wiedzy udostępnia kontekst niestandardowych danych telemetrycznych.

Przed i po

W poniższej tabeli porównaliśmy przepływy pracy dochodzeń w sprawie zdarzeń z i bez integracji z zewnętrznymi narzędziami do obserwacji.

Scenario przed po
Przepływ pracy dochodzenia Otwórz oddzielnie usługi Azure Monitor, Dynatrace i Splunk. Każde zapytanie należy wykonać ręcznie. Zapytaj agenta raz, gdy wysyła zapytanie do wszystkich połączonych platform
Korelacja sygnału Kopiuj identyfikatory błędów między narzędziami i dopasuj znaczniki czasowe ręcznie na różnych platformach Agent śledzi wątek na różnych platformach i automatycznie go koreluje.
Przełączanie kontekstu Od trzech do pięciu pulpitów nawigacyjnych, różnych języków zapytań (KQL, DQL, SPL) Jedna rozmowa. Agent obsługuje zapytania.
Czas do pierwszego wglądu 15–30 minut łączenia danych między narzędziami Minuty. Twoje zapytania agenta są wykonywane równolegle
Ślepe plamy Każde narzędzie widzi własny fragment infrastruktury, w odróżnieniu od metryk aplikacji i biznesowych. Agent widzi cały obraz we wszystkich połączonych systemach

Przykład badania: korelacja międzyplatformowa

W poniższym przykładzie pokazano, jak agent bada różne platformy, gdy metryki platformy Azure nie zawierają pełnej historii.

Objaw: "Zamówienia kończą się niepowodzeniem, ale metryki platformy Azure wyglądają dobrze".

Agent bada różne platformy:

  1. Sprawdza infrastrukturę platformy Azure (wbudowane narzędzia)

    • App Service: w dobrym stanie, niskie użycie CPU
    • Azure SQL: zdrowy, niski DTU
    • Application Insights: brak wyjątków w warstwie aplikacji
  2. Zapytania Dynatrace (za pośrednictwem MCP)

    • Zapytania dotyczące błędów 5xx w usługach przy użyciu narzędzi DQL firmy Dynatrace
    • Opóźnienie usługi płatniczej p99: 12 sekund (normalny: 200 ms)
    • Ilość błędów izolowana do najnowszej wersji wdrożenia
  3. Wykonuje zapytania dotyczące klastra Kusto (za pośrednictwem usługi Kusto)

    OrderEvents 
    | where Status == "Failed"
    | summarize count() by FailureReason
    
    • Wynik: 847 awarii z komunikatem "PaymentGatewayTimeout"
  4. Koreluje wyniki: "Infrastruktura platformy Azure jest w dobrej kondycji. Skok błędów 5xx widoczny w aplikacji Dynatrace został skorelowany z wdrożeniem wersji 0000039. Błędy 847 PaymentGatewayTimeout w danych zamówień Kusto potwierdzają skutki błędów. Główna przyczyna: nieprawidłowe wdrożenie".

Bez zewnętrznej obserwacji: Badanie kończy się w kroku 1 — "Platforma Azure jest w dobrej kondycji, zamknięta sprawa". Korzystając z łączników MCP, agent znajduje rzeczywistą główną przyczynę na trzech platformach.

Co można podłączyć

W poniższej tabeli wymieniono obsługiwane źródła danych i możliwości działania agenta.

Źródło danych Connector Co agent może zrobić
Azure Data Explorer (Kusto) Łącznik Kusto Wykonywanie zapytań dotyczących metryk biznesowych i niestandardowych danych telemetrycznych
Dynatrace Serwer MCP Wykonywanie zapytań dotyczących dzienników i metryk za pośrednictwem języka DQL, identyfikowanie wzorców błędów
Datadog Serwer MCP Metryki zapytań, ślady APM, rejestry i monitorowanie
Splunk Serwer MCP Przeszukiwanie dzienników, uruchamianie zapisanych wyszukiwań, wykonywanie zapytań o zdarzenia
New Relic Serwer MCP Wykonywanie zapytań dotyczących metryk, śladów i danych wydajności aplikacji
Elasticsearch Serwer MCP Wyszukiwanie i wykonywanie zapytań w indeksach Elasticsearch
Dowolne narzędzie z MCP Serwer MCP Narzędzia udostępniane przez serwer MCP platformy

Wprowadzenie

Poniższa tabela zawiera przewodniki konfiguracji oparte na typie narzędzia, z którym chcesz nawiązać połączenie.

Co chcesz połączyć Connector Przewodnik konfiguracji
Dynatrace, Datadog, Splunk, niestandardowe narzędzia Serwer MCP Samouczek dotyczący łącznika MCP
Azure Data Explorer (Kusto) Łącznik Kusto Samouczek dotyczący łącznika Kusto
Zapytania KQL wielokrotnego użytku Narzędzia Kusto Tworzenie narzędzi Kusto

Kiedy należy używać każdego podejścia

Poniższa tabela ułatwia wybór odpowiedniego podejścia na podstawie stosu możliwości obserwacji.

Twój stos możliwości obserwacji Zalecane podejście
Wszystkie dane telemetryczne na platformie Azure (App Insights, Log Analytics) Możliwość obserwacji platformy Azure działa od samego początku
Azure + zewnętrzne narzędzia APM (Dynatrace, Datadog, New Relic) Wbudowana obserwowalność Azure + łączniki MCP dla każdej platformy
Azure + niestandardowe metryki biznesowe w Kusto Azure Observability i łącznik Kusto
Wiele platform (Azure + Dynatrace + Splunk + Kusto) Wszystkie Agent wykonuje zapytania dotyczące wszystkich elementów w ramach jednego badania

Następne kroki