Share
Embed
Azure SRE Agent - YonaYona Azure Club
YonaYona SRE Agentを学ぶ会 第15回イベントで Azure SRE Agent について話をしました。
https://yonayona.connpass.com/event/389895/
2026/05/15(金) 21:00 〜 22:00
Kodai Sakabe
June 29, 2026
Transcript
55 slides
-
Site Reliability Engineering マインドマップ Site Reliability Engineering は、全方 位的に Skill
や Task が求められる さまざまなシステムやデータと連携して、信 頼性向上させるロール -
SRE Agent AIを活用したインシデント管理と 本番環境でのリソース最適化 自動のインシデント管理により、 人間の SRE に送られるアラートの数が減少 アプリケーションの稼働時間を改善し、 収益と評判を保護するためのプロアクティブな診断と軽減
自動化されたデプロイとロールバックにより、 大規模な運用が合理化され、 手作業のオーバーヘッドとリスクを最低限に抑制 Azure の正常性とパフォーマンスを継続的に監視して、 人間しか出来ない影響力の大きい作業に人材を解放 GA -
Azure リソースを理解して診断 AZ CLI / REST API / kubectl サポート
Azure VM、Container Apps、Function Apps、AKS、API Management、Azure VM、CosmosDB、PostgreSQL など の診断や軽減のための指示やツールをサポート https://learn.microsoft.com/azure/sre-agent/starter-prompts 根本原因の分析と軽減策 ログ、メトリック、コンテキストデータの分析 根本原因に関する仮説の生成(複数) 各仮説の検証 軽減策の提案 -
レポート生成と通知 インシデント分析や推奨事項を含むチケットを作成 コーディングエージェントにハンドオフ インシデント管理の自動化と拡張 Azure Monitor アラートはデフォルトで接続 フィルター付きのインシデントハンドラ Pager Duty,
Service Now のインシデントをトリガーとして利 用可能に。 MCP Server を介して外部サービス のテレメトリ データや専用のツールの利用可能。 サブエージェントによる拡張 -
Team onboarding で team.md にコンテキストを貯める GitHub 上の情報 チームの役割 担当チームの話す言語 どのようにインシデント時に対応したい
か アプリケーションの特徴 インシデントの際に Agent 読む資料 Agent が利用できるツール( MCP サ ーバーなど -
Azure SRE Agent AI を活用したインシデント管理とリソース最適化 Sub Agent Builder カテゴリによってSREの動き方・運用方法を変えることができる 例:
DBパフォーマンス、 アプリ監視、セキュリティチェッカー etc. Custom MCP Connectors Azure以外のデータソースの利用が可能 AWS, Datadog、New Relic、Slack、 ServiceNow、Grafana、Prometheus etc. Scheduled Tasks チャット作業不要な定型ワークフローの自動化・統合が可能 システムヘルスチェック、 パフォーマンスチェック etc. -
負荷試験 3/6 Agent が 2Gi にスケールを試みたがたまたたままだ Crash loop が発生していた 継続的に
Agent が監視し、一過性の問題と判断 Crash loop を確認 -
負荷試験 4/6 Worker 数と Timeout を一次対応 Memory の増加 Revision 0000002
として Agent によ り Deploy される Root Cause として LIMIT を 入れる追加方針 -
負荷試験 5/6 Revision 更新 Memory 増強 根本原因対策開始 => GitHub 側に制限かけて
いるためこのフェーズでは失敗 一時区切り(この後、継続して 2 回目実施) -
負荷試験 6/6 * GitHub の Push 権限がないため、繰り返しチャレンジ GitHub の Push
権限がないため、 issue 作成 他の方法での復旧へ方針変更(Revision 0000003 へ) -
2nd 負荷試験 1/5 インシデント発生させるため N + 1 問題 / SELECT
* FROM 問題を発生させる -
2nd 負荷試験 2/5 Agent 用に自作した MCP サーバーを利用してさらにテーブル情報など調査、 Python ツール経由で INDEX
追加 200 万行に対してスキャン + ソートである ことを発見 SELECT * していることを発見 インデックス追加 LIMIT 追加 -
Agent より 500 error 調査 0000003 – 0000006 revision 2nd
負荷試験 3/5 対応方法でつまづき 仮説 => 調査 => 対策の繰り返し -
2nd 負荷試験 5/5 負荷試験中書き込み権限がない 状態での試み GitHub の書き込み制限あり DockerHub /
ACR の制限あり Azure Container Registry 制限あり 最終的に revision を変えて sed コ マンドでソースコード書き換えての緊 急復旧対応 => 0000006 revision で完全復旧 sed -
アプリの信頼性とパフォーマンスを向上させる 根本分析 自動緩和 複雑なインシデントに対する透明性 の高いマルチパス分析により、ダウン タイムを削減 人の確認を前提として、一般的な問 題を積極的に解決し、稼働時間を 向上 効果的なインシデント報告
Azure Monitor アラートまたはサード パーティ システムから初期分析を自 動的にトリガー -
Agent が Re-Deploy 1/2 Agent による LIMIT の追記で bug があった際の調査
現状のデプロイ状態からの調査以外にこ れまでのデプロイ履歴を比較しながら調 査を実施している -
Agent が Re-Deploy 2/2 Agent による LIMIT の追記で bug があった際の調査
ログから分析、並びにサマリーの作成 メトリクスからログ分析し、サマリーの作成 -
運用基準に合わせて拡張およびカスタマイズ 各自のベストプラクティスを導入 GitHub Copilot コラボレーション サブエージェントを使用して、データソー スを統合し、ナレッジベースを充実さ せ、ワークフローを自動化 再発防止、根本解決には GitHub
に issue として記録し、フォローアップ と解決を効率化 Intelligent Insights サブスクリプション全体にわたるリアル タイムデータとマルチソース分析により、 異常やパターンを検出 -
エージェント プラットフォーム コネクター Knowledge Source Skill Python Tool 外部のモデルコンテキストプロトコル (MCP)サーバーに接続することで、
エージェントの機能を拡張 Observability Data Sources Knowledge Base Sources DevOps Incident Management A2A integration Built-in connectors • Datadog • New Relic • Dynatrace • Atlassian • Elasticsearch • Splunk • Atlassian • PagerDuty • GitHub • Azure DevOps • PagerDuty • Service Now • PagerDuty • Neubird • Microsoft Outlook • Microsoft Teams -
Skill builder で ppt skill を用いてレポート作成すれば、デモのリキャッ プは AI で作成可能 Skill
builder で SKILL を作成 ファイルまたはアップロード可能 Agent Canvas で Agent を作成 SKILL を選択する -
Azure SRE Agent with Elasticsearch and PagerDuty Azure PagerDuty Elasticsearch
Application Azure SRE Agent アプリケーション障害 Azure SRE Agent 一次対応開始 1 4 PagerDuty 検知から Azure SRE Agent トリガー Azure SRE Agent 調査開始 Azure, Elasticsearch, PagerDuty から収集 2 3 PagerDuty Get Started! -
チャット MCP サブエージェント Build-in Skill & Az CLI スケジュールタスク インシデント
Interactive Reactive Proactive Skill Azure/EOL RSS ツール: Notify-teams Skill ツール: fetch-azure-update ナレッジベース Azure Monitor Metrics Application Insights Log Analytics Resource Graph & Activity ツール: fetch-azure-eol /agent コマンド 自動読込 Handoff Hook Service ツール指定 サブエージェント指定 ツール: mcp mcp-for-azure-sre RSS 取得 リタイアメント取得 Teams 投稿 検索 関連付け 外部リソース Azure SRE Agent Demo Overview - azure-retirement-agent - azure-update-agent - elasticsearch-agent - usage-agent - pager-duty-incident-expert - data-analyst - 影響ユーザーの確認 - ガイダンスを作りたい - Error Rate - 10 * * * * anomaly detection - 10 * * * 1 retirement detection Http triggers *1 *1 Enable an HTTP trigger to invoke this task from external services like Azure Logic Apps, Event Grid, or Functions. -
Azure SRE Agent 社内例: Miles 光ファイバーの調査分析点検を何マイルに渡って行うための Agent https://azureinfrasummit.com/#about KEYNOTE: Inside
Azure's Engineering Priorities - A Fireside Chat with Jeremy Winter https://www.youtube.com/live/_coWHZuUjzU?si=Sd6OutMFjvTxBzF1&t=835 -
根本原因分析のスピードアップ メトリックやログを分析するエージェントを使え ば、アプリの問題をより早く診断できます。 アプリケーションの信頼性とパフォーマンスを向上 自動インシデント対応 Azure Monitor のアラートやサードパーティ システムから自動的に分析をトリガーします。 高度なインフラストラクチャ分析
複数の情報源やリアルタイムデータを分析 して、サブスクリプション間の異常やパターン を検出します。 自動軽減 一般的な問題を積極的に解決して アップタイムを向上します。 (エージェントは承認を得て対応) Azure のベストプラクティス 診断データを使って問題を検出し、修正を 推奨し、信頼性を向上させましょう。 GitHub Copilot 連携 修正作業を GitHub Issue に記録し、 フォローアップと解決を効率化します。 -
課金について AAU(Azure Agent Unit)単価 $0.10 / AAU 固定(Always-on) = 4
AAU / 時間 / エージェント * 4AAU/hour 消費しているため $0.40/h 従量(Active flow) = タスクに応じて $0.10 / AAU (制限可能) Minimum 500, maximum 1,000,000 AAUs 合計 = Always-on + Active flow 項目 通常 今回の制限設定 Always-on 固定 固定 Active flow 無制限(従量) 上限あり(500 – 1,000,000 AAU) 最大コスト 不定 上限 500 AAU にした場合は、 $342でキャップ -
Azure SRE Agent の export 稼働中の Azure SRE Agent の
構成を ARM とデータプレーンの両 方から取得し、再デプロイできる形 式に書きだし console cd ./sreagent-templates ./bin/export-agent.sh \ --subscription $SUB \ --resource-group <rg> \ --agent-name <name> \ --output <your_dir> 目的 コマンド例 バックアップ(全部入り) ./bin/export-agent.sh -s $SUB \ -g my-rg \ -n my-agent \ -o backups/my-agent \ --include-all 別環境にクローン ./bin/export-agent.sh -s $SUB \ -g rg-src \ -n my-agent \ -o my-clone \ --set agentName=my-clone \ --set resourceGroup=rg-clone \ --set location=swedencentral 何が出るか確認だけ --dry-run 大きいデータは除外 --no-knowledge --no-memories(既定で repo-instructions は OFF) ファイル本体もダウンロード --download-files(既定 ON) https://github.com/microsoft/sre-agent -
ネットワーク統合 (プレビュー) https://learn.microsoft.com/en-us/azure/sre-agent/network-integration RBAC でエージェントが実行できる操作 を制御する主要なセキュリティ境界 仮想ネットワーク (VNet) 統合で、エージ ェントがトラフィックを送信できる場所を
制御することで、補完的な保護層 Unrestricted 制限なし Limited エンドポイントを指定 Azure Vnet 送信するトラフィックを制御