Agentresonemang i Azure SRE-agent

Din agent resonerar igenom problem istället för att följa fasta manus. Eftersom den bygger Deep Context från din kodbas, tidigare incidenter och infrastruktur, resonerar den kring dina system, inte generiska. I chattgränssnittet kan du se hur den samlar bevis, väljer verktyg, klassificerar handlingsrisk och förklarar sitt tänkande.

Resonemangsloopen

Varje meddelande följer samma loop.

Agenten förstår först din begäran och identifierar den data den behöver. Därefter samlar den kontext genom att söka datakällor parallellt, såsom loggar, mätvärden, resursstatus, distributionshistorik och minne. Därefter resonerar den över bevisen för att identifiera mönster och dra slutsatser. Slutligen agerar eller svarar den genom att genomföra säkra åtgärder, begära godkännande för riskfyllda eller presentera resultat.

Om problemet kräver mer arbete itererar loopen upp till 10 gånger per tur. Därefter frågar din agent om du vill fortsätta.

Anpassningsbart tänkande

Vid komplexa problem visar din agent sitt resonemang i chatten. En hopfällbar Thinking-sektion listar varje steg med en beskrivande titel, såsom "Exploring Azure health issues" eller "Analyzing active alerts," samt förfluten tid.

Din agent justerar automatiskt sitt resonemangsdjup. En statuskontroll får ett snabbt svar. Ett flerstegsavbrott ger djupare resonemang som korrelerar bevis mellan källor.

Djup kontext

Adaptivt resonemang blir starkare när agenten kan hämta inspiration från din omgivning. Djup kontext är agentens ackumulerade förståelse av den miljön. Den kommer från tre kontextkällor: kopplingar, kunskap och minne samt arbetsytverktyg. Istället för att börja från noll varje gång bygger din agent en tydligare bild av hur dina system fungerar och för in den kontexten i varje resonemangsloop.

Filoperationer och terminalkommandon kräver arbetsytverktyg. Kontakta din agentadministratör, eller aktivera dem via sidan Experimentella inställningar i portalen. Python-exekvering är som standard tillgänglig via Code Interpreter. När workspace-verktyg är aktiverade körs Python-exekveringen via workspace-sandlådan istället för standardsessionen Code Interpreter.

Djupkontext är inte en enda funktion som du aktiverar. Den växer när dessa kontextkällor samarbetar.

Varför djup kontext spelar roll

Ditt teams expertis finns på många ställen: källkod i GitHub, loggar i Azure Monitor, konfigurationer i YAML-filer, runbooks i en wiki som är inaktuell, och stamkunskap från seniora ingenjörer. Under en incident är det svåraste ofta inte att resonera kring problemet. Den samlar in tillräckligt med sammanhang för att kunna börja.

Djup kontext hjälper till genom att ge din agent kontinuerlig tillgång till dessa källor och ett sätt att minnas vad den lär sig från varje interaktion.

Connectors

Kopplingar för in live-tjänstedata i resonemangsloopen. Din agent kan använda anslutna källor som GitHub, Azure DevOps, Kusto, Azure Monitor och andra tjänster för att samla bevis om din miljö istället för att bara förlita sig på generisk Azure-kunskap.

Vissa kopplingar skärper också agentens förståelse över tid. När du kopplar in ett Azure Data Explorer (Kusto)-kluster upptäcker agenten databaser och tabeller, dokumenterar varje tabells schema, skriver mänskligt läsbara beskrivningar och producerar en Kusto-undersökningsfärdighet med frågeguidning.

Kunskap och minne

Kunskap och minne ger den varaktiga kontext som din agent bär med sig över samtal. Uppladdade driftmanualer, arkitekturguider, teamprocedurer, kompetenser och sparade fakta hjälper agenten att anpassa sig till hur ditt team arbetar.

Din agent kommer ihåg vad den lär sig. Efter samtal extraherar den strukturerade aspekter, såsom verktygens framgångsfrekvens, grundorsaker, viktiga lärdomar, Azure-tjänster och symtom. Dessa aspekter blir bestående kunskap för framtida utredningar.

I början av varje samtal söker din agent i minnet efter relevant kontext innan den svarar.

Bakgrundsinsiktsgenerering aggregerar tidigare konversationer och andra aktiverade datakällor. Den använder semantisk matchning för att generera, stämma av och förfina operativa insikter över tid.

Arbetsytverktyg

Workspace-verktyg ger din agent direkt tillgång till ditt anslutna arkiv och exekveringsmiljö. När du aktiverar dem kan agenten läsa filer, söka kod, analysera projektstruktur, köra terminalkommandon och köra Python i arbetsytans sandlåda under en utredning. Python-exekvering är annars tillgänglig som standard via Code Interpreter.

När du kopplar in ett kodarkiv analyserar agenten automatiskt dess projektstruktur, teknikstack, distributionskonfigurationer och serviceberoenden. Den öppnar sedan en PR som lägger till en SREAGENT.md fil i ditt repo.

Du kan lägga till mer kontext när som helst:

• Koppla ihop repositorier: Länka GitHub eller Azure-lagringsplatser så att din agent kan läsa din källkod. Se Anslutningsappar.
• Ladda upp kunskapsdokument: Lägg till runbooks, arkitekturguider och teamprocedurer. Se Minne och kunskap.
• Säg till din mäklare att komma ihåg: Skriv #remember i chatten för att spara fakta som din mäklare borde känna till. Se Minne och kunskap.
• Skapa färdigheter: Paketera felsökningsprocedurer med verktyg. Se Kunskaper.

Ju mer kunskap du tillhandahåller, såsom runbooks, arkitekturdokumentation och teamprocedurer, desto mer relevant blir resonemanget. Mer information finns i Minne och kunskap.

Security

Du måste aktivera workspace-verktyg via Experimental Settings innan agenten kan använda filoperationer och terminalkommandon, eller för att routa Python-exekveringen till workspace-sandlådan. Python-exekveringen är som standard tillgänglig via Code Interpreter. Kodkörning sker i en sandboxad eller isolerad session, beroende på det konfigurerade sandlådeläget, separat från agentens värdmiljö. Azure CLI-skrivkommandon kräver uttryckligt användargodkännande innan de körs.

Val av verktyg

Med den kontexten på plats väljer din agent verktyg baserat på problemet. Den börjar med alla verktyg som är registrerade på den aktuella anpassade agenten och filtrerar sedan efter plattform och använder endast incidentverktyg för den anslutna incidentplattformen. Den filtrerar ytterligare efter publicerad lista så att den endast innehåller verktyg som du gör tillgängliga och justeras när ny information dyker upp under konversationen.

Varje anpassad agent har en egen verktygsuppsättning. När agenten delegerar till en annan anpassad agent ändras de tillgängliga verktygen automatiskt.

Mer information om tillgängliga verktyg finns i Verktyg.

Parallellkörning

När din agent identifierar oberoende operationer, det vill säga handlingar som inte är beroende av varandras utdata, utför den dem samtidigt under en enda runda istället för att köra dem en i taget.

Om din agent till exempel behöver kontrollera poddstatus, tjänsthälsa och distributionshistorik kör den alla tre kommandona parallellt i stället för att vänta på att var och en ska slutföras innan nästa startas. Denna metod minskar resonemangvändor och påskyndar undersökningar.

Verktygsnivå-promptar styr parallell körning genom att säga till modellen: "Om kommandona är oberoende och kan köras parallellt, gör flera verktygsanrop i ett enda meddelande."

Åtgärdsklassificering

Din agent klassificerar varje åtgärd innan den körs.

Hur din agent hanterar varje typ beror på körningsläget.

Konversationshantering

Flera mekanismer håller långa samtal på rätt spår.

Avbeställning

När du väljer Stoppa stoppar din agent alla operationer och förhindrar omprövningar för den avbrutna uppgiften. Ditt nästa meddelande börjar om om du inte uttryckligen ändrar den avbrutna begäran.

Boundaries

Resonemang har sina gränser.

Nästa steg

Relaterat innehåll

• Rotorsaksanalys: Djupgående undersökning med hypotesträd
• Kopplingar: Koppla källkod, Azure-resurser och andra kontextkällor
• Minne och kunskap: Hur din agent kommer ihåg kontexten mellan konversationer
• Körningslägen: Granska och autonomt beteende
• Verktyg: Inbyggda och anpassade verktygsfunktioner
• Kunskaper: Domänspecifika undersökningsprocedurer
• Python-kodexekvering: Kör Python under undersökningar
• Schemalagda uppgifter: Genomför återkommande undersökningar och kontroller