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

https://honmadekka.connpass.com/event/402696/
ホンマでっかSRE勉強会 #2

Transcript

1. 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
2. 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
3. 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
4. よくある障害対応エージェント
5. 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
6. 今回作ってみた障害対応エージェント
7. 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
8. 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