Azure SRE エージェントの詳細コンテキスト

Deep Context は、エージェントが環境 (コード、インフラストラクチャ、チームの手順、過去の調査で何が起こったかを) について蓄積した理解です。 毎回ゼロから始まる汎用 AI アシスタントとは異なり、エージェントはシステムの動作のイメージを増やしています。

ワークスペース ツール (ファイル操作、ターミナル コマンド、Python実行) を有効にする必要があります。 エージェント管理者に問い合わせるか、ポータルの [試験段階の設定] ページで有効にします。

ディープ コンテキストは、有効にする 1 つの機能ではありません。これは、自動的に連携する 3 つの柱の組み合わせです。

ディープ コンテキストが重要な理由

チームの専門知識は、GitHubのソース コード、Azure Monitorのログ、YAML ファイル内の構成、Wiki の Runbook の誰も更新しない場所、上級エンジニアの頭の中の部族の知識など、さまざまな場所に存在します。 インシデントが発生した場合、最も困難な部分は問題を推論することではなく、最初に推論を開始するのに十分なコンテキストを収集することです。

Deep Context は、エージェントにこれらのすべてのソースへの継続的なアクセスを提供し、各操作から学習したことを記憶できるようにすることで、これを解決します。

柱 1: コンテキスト分析

エージェントは、接続されているリポジトリ、ナレッジ ベース、ユーザー設定に継続的かつ直接的にアクセスできます。 コードを読む前に質問するのを待つ必要はありません。リポジトリを探索し、プロジェクト構造を学習し、事前に理解を構築します。

コンテキストはいつでも追加できます。

• Connect リポジトリ — エージェントがソース コードを読み取ることができるように、GitHubまたはAzure Reposをリンクします。 「コネクタ」を参照してください。
• ナレッジ ドキュメントをアップロードする - Runbook、アーキテクチャ ガイド、チーム プロシージャを追加します。 「メモリと知識」を参照してください。
• エージェントに覚えておくよう指示します。チャットに「 #remember 」と入力して、エージェントが知っておくべき事実を保存します。 「メモリと知識」を参照してください。
• スキルの作成 — ツールを使用したパッケージのトラブルシューティング手順。 「スキル」を参照してください。

セキュリティ

すべてのワークスペース操作は、サンドボックス環境で実行されます。 コードの実行は、エージェント ホストではなく、分離されたコンテナーで行われます。 Azure CLI書き込みコマンドでは、実行前に明示的なユーザー承認が必要です。

柱 2: 永続メモリ

エージェントは学習内容を記憶します。 各会話の後、エージェントは構造化されたファセット (ツールの成功率、根本原因、主要な学習、関連したAzureサービス) を抽出します。 これらは永続的な知識として保存され、将来の調査を改善するために使用されます。

詳細情報: メモリと知識

柱 3: 背景インテリジェンス

エージェントは、3 つのバックグラウンド システムを通じて、誰もチャットしていない場合でも、運用上の理解を継続的に構築します。

コードベース分析

コード リポジトリを接続すると、エージェントによってプロジェクト構造、テクノロジ スタック、デプロイ構成、およびサービスの依存関係が自動的に分析されます。 リポジトリへの PR として SREAGENT.md ファイルが作成されます。

分析情報の生成

バックグラウンド サービスは、過去の会話、インシデント、ワークスペース コンテキストなど、複数のソースからのデータを定期的に集計し、セマンティック マッチングを使用して、時間の経過に伴う運用分析情報の生成、調整、および進化を行います。

Kusto スキーマ 拡充

Azure Data Explorer (Kusto) クラスターを接続すると、エージェントはデータベースとテーブルを自動的に検出し、各テーブルのスキーマを文書化し、人間が判読できる説明を生成し、KQL クエリ テンプレートをビルドします。

関連するコンテンツ

• 詳細な調査
• Python コードの実行
• インシデント対応
• コネクタ
• スケジュールされたタスク

次のステップ