サーバー常駐型の簡易障害調査AI エージェントを作ってみた話

サーバー常駐型の簡易障害調査AI エージェントを作ってみた話ホンマでっかSRE勉強会 #2 LT枠 masayoshi

話す人 ◦ id:masayoshi (X @yoyogidesaiz) ▪ 株式会社はてな ▪ システムプラットフォームチーム ▪
Platform SRE ▪ ホンマでっかSREコミュニティ運営 ▪ 最近はAmazon Bedrock AgentCoreを触っています

障害対応にAI Agent使ってますか? - たとえば AWS DevOps Agentとか - 各テレメトリーやドキュメント、 GitHubを参照
- 便利！ - だけど、ちょっと気になる点があったので、それを解決する方式を試してみました

よくある障害対応エージェント

テレメトリー以外の情報は取れない - 収集しているテレメトリー以外の情報が取れない - o11y意識して Exportしろ！という話ではあるが... - 事前に障害対応に必要だと判断できているテレメトリーしか取れない
- テレメトリーがコンテキストを使い潰してしまう - 関係ないコンポーネントのテレメトリーを取得してしまい無駄にコンテキストを消費してしまう

今回作ってみた障害対応エージェント

いいところ - 問題があるサーバーにリクエストを飛ばしてピンポイントに調査することができる - 無駄なコンテキストが発生しにくい - サーバーの Agentは自分のサーバーのコンテキストだけ扱えば良い
- 普段はテレメトリーとして送っていない情報も得られる - psコマンドの結果、 ssコマンドの結果 - perfなどより詳細な情報をその場で取得できる

懸念点 - セキュリティ - サーバー上で AI Agentが動いてコマンド実行できるのは怖い - A2Aでの調査が難しい
- エージェント間のやり取り =ループエンジニアリング - 終了条件や正しい方向に進捗しているのかなど - 時間かかる - AI Agentを何回も起動することになるので重い

サーバー常駐型の簡易障害調査AI エージェントを作ってみた話

サーバー常駐型の簡易障害調査AI エージェントを作ってみた話

masayoshi

More Decks by masayoshi

Other Decks in Technology

Featured

Transcript