Raciocínio do agente no Azure SRE Agent

O teu agente raciocina para resolver problemas em vez de seguir scripts fixos. Como constrói Deep Context a partir da tua base de código, incidentes passados e infraestrutura, pensa nos teus sistemas, não nos genéricos. Na interface de chat, pode vê-lo recolher provas, selecionar ferramentas, classificar riscos de ação e explicar o seu raciocínio.

O ciclo de raciocínio

Cada mensagem segue o mesmo ciclo.

O agente primeiro compreende o seu pedido e identifica os dados de que necessita. Depois , recolhe contexto consultando fontes de dados em paralelo, como registos, métricas, estado dos recursos, histórico de implementação e memória. Depois, raciocina com base nas evidências para identificar padrões e formar conclusões. Por fim, age ou responde executando ações seguras, pedindo aprovação para ações arriscadas ou apresentando conclusões.

Se o problema exigir mais trabalho, o ciclo itera até 10 vezes por turno. Depois disso, o seu agente pergunta se deve continuar.

Pensamento adaptativo

Para problemas complexos, o seu agente mostra a sua razão no chat. Uma secção de Pensamento retrátível lista cada passo com um título descritivo, como "Explorar problemas de saúde no Azure" ou "Analisar alertas ativos", e o tempo decorrido.

O seu agente ajusta automaticamente a profundidade do raciocínio. Uma verificação de estado recebe uma resposta rápida. Uma interrupção em várias etapas obtém raciocínios mais profundos que correlacionam evidências entre fontes.

Contexto profundo

O raciocínio adaptativo torna-se mais robusto quando o agente pode recorrer ao seu ambiente. O contexto profundo é a compreensão acumulada do agente sobre esse ambiente. Provém de três fontes de contexto: conectores, conhecimento e memória, e ferramentas de espaço de trabalho. Em vez de começar do zero a cada vez, o seu agente constrói uma imagem mais clara de como funcionam os seus sistemas e traz esse contexto para cada ciclo de raciocínio.

Operações de ficheiros e comandos de terminal requerem ferramentas de espaço de trabalho. Contacte o administrador do seu agente, ou ative-os através da página de Configurações Experimentais no portal. A execução de Python está disponível por predefinição através de Code Interpreter. Quando as ferramentas de espaço de trabalho estão ativadas, a execução em Python é executada através do sandbox do espaço de trabalho em vez da sessão padrão do Interpretador de Código.

O contexto profundo não é uma funcionalidade única que se ativa. Cresce à medida que estas fontes de contexto trabalham em conjunto.

Por que o contexto profundo é importante

A experiência da sua equipa está presente em muitos locais: código-fonte no GitHub, registos no Azure Monitor, configurações em ficheiros YAML, runbooks numa wiki que está desatualizada e conhecimento tribal de engenheiros seniores. Durante um incidente, a parte mais difícil muitas vezes não é raciocinar sobre o problema. Está a reunir contexto suficiente para começar.

Um contexto profundo ajuda ao dar ao seu agente acesso contínuo a estas fontes e uma forma de se lembrar do que aprende em cada interação.

Connectors

Os conectores integram dados de serviços em tempo real no ciclo de inferência. O seu agente pode usar fontes ligadas como GitHub, Azure DevOps, Kusto, Azure Monitor e outros serviços para recolher evidências sobre o seu ambiente, em vez de depender apenas do conhecimento genérico do Azure.

Alguns conectores também aprimoram a compreensão do agente ao longo do tempo. Quando estabelece ligação a um cluster do Azure Data Explorer (Kusto), o agente descobre bases de dados e tabelas, documenta o esquema de cada tabela, escreve descrições compreensíveis e produz uma competência de investigação em Kusto com orientações para consultas.

Conhecimento e memória

O conhecimento e a memória fornecem o contexto duradouro que o seu agente transporta através das conversas. Os guias operacionais carregados, os guias de arquitetura, os procedimentos da equipa, as competências e as informações memorizadas ajudam o agente a seguir a forma como a sua equipa trabalha.

O seu agente recorda o que aprende. Após as conversas, extrai aspetos estruturados, como taxas de sucesso das ferramentas, causas raiz, aprendizados-chave, serviços do Azure e sintomas. Esses aspetos tornam-se conhecimento persistente para investigações futuras.

No início de cada conversa, o seu agente procura na memória contexto relevante antes de responder.

A geração de insights de fundo agrega conversas passadas e outras fontes de dados habilitadas. Utiliza correspondência semântica para gerar, reconciliar e refinar insights operacionais ao longo do tempo.

Ferramentas de espaço de trabalho

As ferramentas de espaço de trabalho dão ao seu agente acesso direto ao seu repositório ligado e ao ambiente de execução. Quando os ativas, o agente pode ler ficheiros, pesquisar código, analisar a estrutura do projeto, executar comandos de terminal e executar Python no sandbox do workspace durante uma investigação. De resto, a execução em Python está disponível por defeito através do Interpretador de Código.

Quando estabelece ligação a um repositório de código, o agente analisa automaticamente a estrutura do projeto, a pilha tecnológica, as configurações de implantação e as dependências de serviços. Depois abre uma PR que adiciona um SREAGENT.md ficheiro ao teu repositório.

Pode adicionar mais contexto a qualquer momento:

• Ligue repositórios: Ligue ao GitHub ou ao Repositórios do Azure para que o seu agente possa ler o seu código-fonte. Ver Conectores.
• Carregar documentos de conhecimento: Adicionar manuais de operações, guias de arquitetura e procedimentos de equipe. Ver Memória e conhecimento.
• Diga ao seu agente para se lembrar: Escreva #remember no chat para guardar factos que o seu agente deve saber. Ver Memória e conhecimento.
• Crie competências: Empacota os procedimentos de resolução de problemas com ferramentas. Ver Competências.

Quanto mais conhecimento fornecer, como runbooks, documentos de arquitetura e procedimentos de equipa, mais relevante se torna o raciocínio. Para mais informações, consulte Memória e conhecimento.

Segurança

Deve ativar ferramentas de espaço de trabalho através das Configurações Experimentais antes que o agente possa usar operações de ficheiro e comandos de terminal, ou para encaminhar a execução em Python para o sandbox do espaço de trabalho. A execução de Python está disponível por predefinição no Interpretador de Código. A execução do código executa-se numa sessão sandbox ou isolada, dependendo do modo sandbox configurado, separada do anfitrião agente. Os comandos de escrita do CLI do Azure exigem aprovação explícita do utilizador antes de serem executados.

Seleção de ferramentas

Com esse contexto, o seu agente seleciona as ferramentas com base no problema. Começa com todas as ferramentas registadas no agente personalizado atual, depois filtra por plataforma, usando apenas ferramentas de incidente para a plataforma de incidente conectada. Filtra ainda por lista publicada para incluir apenas ferramentas que disponibiliza, e ajusta-se à medida que surgem novas informações durante a conversa.

Cada agente personalizado tem o seu próprio conjunto de ferramentas. Quando o seu agente delega a outro agente personalizado, as ferramentas disponíveis mudam automaticamente.

Para mais informações sobre as ferramentas disponíveis, consulte Ferramentas.

Execução paralela

Quando o seu agente identifica operações independentes, ou seja, ações que não dependem dos resultados umas das outras, emite-as simultaneamente num único turno, em vez de as executar uma de cada vez.

Por exemplo, se o seu agente precisar de verificar o estado do pod, a saúde do serviço e o histórico de implementação, executa os três comandos em paralelo em vez de esperar que cada um seja concluído antes de iniciar o próximo. Esta abordagem reduz os turnos de raciocínio e acelera as investigações.

Os prompts ao nível da ferramenta orientam a execução paralela dizendo ao modelo: "Se os comandos forem independentes e puderem correr em paralelo, faça múltiplas chamadas de ferramenta numa única mensagem."

Classificação de ações

O seu agente classifica todas as ações antes de serem executadas.

A forma como o seu agente lida com cada tipo depende do modo de execução.

Gestão de conversas

Vários mecanismos mantêm as longas conversas no caminho certo.

Cancelamento

Quando seleciona Parar, o seu agente interrompe todas as operações e impede tentativas repetidas da tarefa cancelada. A sua próxima mensagem começa do zero, a menos que modifique explicitamente o pedido cancelado.

Boundaries

O raciocínio tem limites.

Próximo passo

Conteúdo relacionado

• Análise da causa raiz: Investigação aprofundada com árvores de hipóteses
• Conectores: Conectar código-fonte, recursos do Azure e outras fontes de contexto
• Memória e conhecimento: Como o seu agente se lembra do contexto através das conversas
• Modos de corrida: Revisão e Comportamento autónomo
• Ferramentas: Capacidades de ferramentas integradas e personalizadas
• Competências: Procedimentos de investigação específicos de domínio
• Execução de código Python: Executar Python durante investigações
• Tarefas agendadas: Realizar investigações e verificações recorrentes