Köra kod med hjälp av kodtolkare i Azure SRE Agent

Med kodtolken för SRE Agent kan du köra Python-kod- och gränssnittskommandon i en säker, isolerad sandbox-miljö. Använd kodtolkare för att analysera data, skapa visualiseringar, generera PDF-rapporter och automatisera filåtgärder utan att lämna SRE Agent-konversationen.

I den här artikeln lär du dig att:

Förutsättningar

Om du vill skapa en agent måste du ge agenten rätt behörigheter, konfigurera rätt inställningar och ge åtkomst till rätt resurser:

• Azure-konto: Du behöver ett Azure-konto med en aktiv prenumeration. Om du inte redan har ett konto kan du skapa ett konto kostnadsfritt.

• Säkerhetskontext: Kontrollera att ditt användarkonto har behörighet som Microsoft.Authorization/roleAssignments/write antingen rollbaserad administratör för åtkomstkontroll eller administratör för användaråtkomst.

• Brandväggsinställningar: Lägg till *.azuresre.ai i listan över tillåtna i brandväggsinställningarna. Vissa nätverksprofiler kan blockera åtkomsten till *.azuresre.ai domänen som standard.

Så här fungerar kodtolkare

Kodtolkaren för SRE-agenten körs i en isolerad Azure Container Apps-session med följande egenskaper:

• Ingen nätverksåtkomst: Sandbox-miljön kan inte göra utgående HTTP- eller HTTPS-begäranden.
• Ingen process skapning: Kommandon som subprocess och os.system blockeras.
• Ingen paketinstallation: pip install och conda install är inte tillgängliga.
• Isolerat filsystem: Alla filer måste sparas i /mnt/data/.

Dessa begränsningar säkerställer att kodkörningen är säker och förutsägbar. Vanliga datavetenskapsbibliotek som pandas, matplotlib och seaborn är förinstallerade.

Kom igång med kodtolkare

Kodtolkarverktyg är automatiskt tillgängliga i dina SRE Agent-konversationer. Be agenten att utföra uppgifter med hjälp av naturligt språk.

Exempeluppmaningar

Prova de här anvisningarna för att komma igång:

• "Analysera dessa CSV-data och skapa ett diagram som visar incidenter efter kategori."
• "Generera en PDF-sammanfattning av dagens incidenter."
• "Parsa den här JSON-filen och extrahera felmönstren."
• "Visa alla filer i sessionen och visa deras storlekar."

Ditt första Python-skript

I följande exempel visas hur du skapar en visualisering:

import matplotlib.pyplot as plt
import numpy as np

# Generate sample data
categories = ['Critical', 'High', 'Medium', 'Low']
counts = [5, 12, 28, 45]

# Create bar chart
plt.figure(figsize=(10, 6))
plt.bar(categories, counts, color=['red', 'orange', 'yellow', 'green'])
plt.title('Incidents by Severity')
plt.xlabel('Severity Level')
plt.ylabel('Count')
plt.savefig('/mnt/data/incidents_by_severity.png', dpi=150)

När koden körs framgångsrikt returnerar agenten bilden direkt i konversationen.

Scenarier

Analysera incidentdata

Använd kodtolkare för att omvandla rådata för incidenter till användbara insikter och visualiseringar.

1. Be SRE-agenten att skapa en CSV-fil med alla incidenter som har inträffat under den senaste månaden med hjälp av följande uppmaning:

   Create a CSV file of all the incidents that 
   occurred in the last month.
   
   Name the file `incidents.csv` and save it
   to `/mnt/data`.
   

2. Använd Python för att analysera incidentmönster och identifiera trender:

   import pandas as pd
   
   # Load incident data
   df = pd.read_csv('/mnt/data/incidents.csv')
   
   # Calculate summary statistics
   summary = df.groupby('category').agg({
       'id': 'count',
       'resolution_time': 'mean'
   }).rename(columns={'id': 'count', 'resolution_time': 'avg_resolution_hours'})
   
   # Export results
   summary.to_csv('/mnt/data/incident_summary.csv')
   print(summary)
   

Skapa visualiseringar

Generera diagram för att kommunicera insikter.

import matplotlib.pyplot as plt
import seaborn as sns

# Load data
df = pd.read_csv('/mnt/data/incidents.csv')

# Create visualization
plt.figure(figsize=(12, 6))
sns.barplot(data=df, x='category', y='count', palette='viridis')
plt.title('Incidents by Category')
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('/mnt/data/category_chart.png', dpi=150)

Generera PDF-rapporter

Skapa formaterade PDF-dokument för intressenter.

from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

# Create PDF
c = canvas.Canvas('/mnt/data/weekly_report.pdf', pagesize=letter)

# Add content
c.setFont('Helvetica-Bold', 18)
c.drawString(72, 750, 'Weekly Incident Report')

c.setFont('Helvetica', 12)
c.drawString(72, 720, 'Period: January 10-17, 2026')
c.drawString(72, 700, 'Total incidents: 90')
c.drawString(72, 680, 'Critical incidents: 5')
c.drawString(72, 660, 'Average resolution time: 4.2 hours')

c.save()

Agenten returnerar en nedladdningslänk för den genererade PDF-filen.

Bearbeta loggfiler

Sök och analysera loggfiler med hjälp av gränssnittskommandon.

# Count error occurrences by type
grep -E "ERROR|WARN|FATAL" application.log | sort | uniq -c | sort -rn

# Find the most recent log entries
tail -100 application.log

Verktygsreferens

Kodtolkaren innehåller följande verktyg:

ExecutePythonCode

Kör Python-kod i en isolerad sandbox-miljö.

Utdata: Bilder visas direkt i markdown. Datafiler returneras som nedladdningslänkar.

GenereraPdfRapport

Skapar PDF-dokument från Python-kod.

RunShellCommand

Kör gränssnittskommandon i sandbox-miljön.

Filåtgärder

Filtyper som stöds

• Bilder: PNG, JPG, GIF, SVG, WebP, BMP, TIFF, EPS
• Data: CSV, TSV, Excel, JSON, XML, YAML, HDF5, NetCDF, pickle
• Dokument: PDF, HTML, Markdown, Office-format
• Kod: Python, Jupyter Notebooks, R, SQL
• Arkiv: ZIP, TAR, GZ

Begränsningar

Av säkerhetsskäl blockerar systemet följande åtgärder:

Felsöka kodtolkare

Körning av kod misslyckas

• Kontrollera att koden inte använder blockerade åtgärder som subprocess eller nätverksanrop.
• Kontrollera att alla filsökvägar pekar på /mnt/data/.
• Kontrollera att koden är under 20 000 tecken.

Filer visas inte i utdata

• Bekräfta att du sparar filer i /mnt/data/.
• Använd ListSessionFiles för att verifiera att filen har skapats.
• Kontrollera att filnamnstillägget stöds.

Timeout-felmeddelanden

• Öka parametern timeoutSeconds (högst 900 sekunder).
• Optimera koden för att minska exekveringstiden.
• Dela upp stora åtgärder i mindre segment.

Relaterat innehåll

• Minnessystem
• Skapa underagenter
• Starter-prompter