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

Transcript

1. Azure SRE Agent YonaYona Azure Club Kodai Sakabe
2. 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
3. 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
4. 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
5. 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
6. 運用チームの影響力を増幅させる 高速な根本分析 強力なサブエージェント 自動緩和 Intelligent insights 効果的なインシデント対応 GitHub と MCP 統合 コンテキストの認識 高い拡張性
7. 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
8. 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.
9. 顧客事例: aka.ms/SREagent/Ecolab
10. Demo http://sre.azure.com/ 動きを試すだけなら https://github.com/matthansen0/azure-sre-agent-sandbox MCP を活用した Agent 例 https://github.com/koudaiii/ai-tour-tokyo-2026
11. Demo 負荷試験時の SRE Agent での活動
12. 負荷試験 1/6 LIMIT 追加 Dockerfile 変更
13. 負荷試験 2/6 OOM Killer を特定 Memory のスケール
14. 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
15. 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
16. 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)
17. 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)
18. Demo 負荷試験時の SRE Agent での活動 2 回目
19. 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
20. 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
21. 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
22. Agent による LIMIT の追記で bug が取り込めれたことを把握 2nd 負荷試験 4/5 構文エラーを発見
23. 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
24. 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
25. Azure SRE Agent インシデント対応中のその他活動
26. 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
27. 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
28. GitHub Issue 化 1/2 https://github.com/koudaiii/ai-tour-tokyo-2026/issues/58 https://github.com/koudaiii/ai-tour-tokyo-2026/issues/57 Team Onboarding で話者を日本語と して理解させると issue が日本語に
29. GitHub Issue 化 2/2 Agent により、例外を Application Insights へ送信するように変更する内容を提案
30. インシデント結果を memory としてマークダウンにまとめる Agent は次回インシデント対応時に memory.md と team.md を読み対応を始める インシデント対応で学んだことをメモ化し 、次回のインシデントでも利用される
31. Agent により自動的に動作確認のタスクを追加 インシデント対応で学んだことをメモ化以 外に、作業内容についてタスクとして次 回のインシデントでも利用される
32. Agent からインシデントに応じて one-off としてタスクを実行 他のインシデントで利用された際のセッシ ョンログ
33. Azure SRE Agent その他カスタマイズ
34. 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
35. 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
36. Knowledge Sources / Plugins (Skill Marketplace)
37. 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
38. Skill builder で ppt skill を用いてレポート作成 エージェント作成後は既存インシデント のセッションでも、エージェントを指定し て、レポート作成指示可能
43. 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!
44. 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.
45. Sub Agent(例: MCP) コンテキスト受け継いで作業の依 頼やサブエージェントとして特化し た機能。例として MCP を利用し た Agent 定義。 UsageAgent
46. 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
47. Azure SRE Agent まとめ
48. 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。
49. Azure SRE Agent 課金について
50. 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
51. AAU と Foundry Tools 費用 Forcast はコストから参考 今回の大規模負荷試験(2億件/分) では復旧から再発防止までで 1123 AAU($0.10/AAU) 消費
52. Azure SRE Agent Export について
53. 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
54. 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
55. © Copyright Microsoft Corporation. All rights reserved.