Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Deep Context est la compréhension cumulée de votre environnement par l’agent : votre code, votre infrastructure, les procédures de votre équipe et ce qui s’est passé dans les enquêtes passées. Contrairement à un assistant IA générique qui commence à partir de zéro chaque fois, votre agent crée une image croissante de la façon dont vos systèmes fonctionnent.
Conseil / Astuce
- Le contexte profond signifie que votre agent comprend our code, infrastructure et historique opérationnel, pas seulement les connaissances génériques Azure
- Il crée cette compréhension par le biais de trois piliers : l’analyse du code, la mémoire persistante et l’intelligence en arrière-plan
- Les dépôts de code source connectés (GitHub, Azure DevOps) donnent à l’agent un accès direct à la lecture, à la recherche et à la navigation dans votre codebase
Les outils d’espace de travail (opérations de fichier, commandes de terminal, Python exécution) nécessitent l’activation. Contactez votre administrateur d’agent ou activez via la page Paramètres expérimentaux dans le portail.
Deep Context n’est pas une seule fonctionnalité que vous activez, c’est la combinaison de trois piliers qui fonctionnent automatiquement.
| Pilier | Qu’est-ce que cela fait ? | Comment il se construit |
|---|---|---|
| Analyse du contexte | Lit le code, recherche les connaissances et navigue dans votre environnement en temps réel | Dépôts connectés + base de connaissances + préférences utilisateur |
| Mémoire persistante | Mémorise les enquêtes passées, le contexte d’équipe et les modèles opérationnels | Conversation Learning + fichiers de connaissances |
| Intelligence en arrière-plan | Apprend en permanence à partir de votre environnement, même quand personne ne discute | Analyse codebase + génération d’insights + enrichissement de source de données |
Pourquoi le contexte profond importe
L'expertise de votre équipe se trouve dans une douzaine d'endroits différents : code source dans GitHub, journaux d'activité dans Azure Monitor, configurations dans des fichiers YAML, runbooks dans un wiki personne ne met à jour et les connaissances tribales dans les têtes de vos ingénieurs supérieurs. Lorsqu'un incident survient, la partie la plus difficile n’est pas de raisonner sur le problème : c'est de collecter suffisamment de contexte pour commencer à raisonner.
Deep Context résout cela en donnant à votre agent un accès continu à toutes ces sources, et la possibilité de mémoriser ce qu’il apprend de chaque interaction.
Pilier 1 : Analyse du contexte
Votre agent dispose d’un accès continu et direct à vos référentiels connectés, à votre base de connaissances et à vos préférences utilisateur. Il n’attend pas que vous posez une question avant de lire votre code , il explore vos dépôts, apprend votre structure de projet et crée une compréhension proactive.
Vous pouvez ajouter plus de contexte à tout moment :
- Connect dépôts : lier GitHub ou Azure Repos afin que votre agent puisse lire votre code source. Consultez Connecteurs.
- Chargez des documents de connaissances : ajoutez des runbooks, des guides d’architecture et des procédures d’équipe. Consultez mémoire et connaissance.
-
Dites à votre agent de se souvenir : tapez
#rememberdans la conversation pour enregistrer les faits que votre agent doit savoir. Consultez mémoire et connaissance. - Créer des compétences : des procédures de résolution des problèmes de package avec des outils. Voir Compétences.
Sécurité
Toutes les opérations d’espace de travail s’exécutent dans un environnement bac à sable (sandbox). L’exécution du code se produit dans des conteneurs isolés, et non sur l’hôte de l’agent. Les commandes d’écriture Azure CLI nécessitent une approbation explicite de l’utilisateur avant l’exécution.
Pilier 2 : Mémoire persistante
Votre agent se souvient de ce qu’il apprend. Après chaque conversation, l’agent extrait des facettes structurées : taux de réussite des outils, causes racines, apprentissages clés et Azure services impliqués. Elles sont stockées sous forme de connaissances persistantes et utilisées pour améliorer les enquêtes futures.
En savoir plus : Mémoire et connaissances
Pilier 3 : Intelligence en arrière-plan
Votre agent crée en permanence une compréhension opérationnelle, même si personne ne discute, par le biais de trois systèmes en arrière-plan :
Analyse de codebase
Lorsque vous connectez un référentiel de code, l’agent l’analyse automatiquement : structure de projet, pile technologique, configurations de déploiement et dépendances de service. Il crée un fichier SREAGENT.md en tant que PR à votre dépôt.
Génération d’analyse
Un service en arrière-plan agrège régulièrement les données de plusieurs sources ( conversations passées, incidents, contexte de l’espace de travail) et utilise la correspondance sémantique pour générer, rapprocher et faire évoluer les insights opérationnels au fil du temps.
Enrichissement de schéma Kusto
Lorsque vous connectez un cluster Azure Data Explorer (Kusto), l'agent découvre automatiquement vos bases de données et tables, documente le schéma de chaque table, génère des descriptions lisibles par l'homme et génère des modèles de requête KQL.