Spuštění kódu pomocí interpretu kódu v agentovi Azure SRE

Interpretátor kódu agenta SRE umožňuje spouštět kód Pythonu a příkazy shellu v izolovaném, zabezpečeném sandboxovém prostředí. Pomocí interpretu kódu můžete analyzovat data, vytvářet vizualizace, generovat sestavy PDF a automatizovat operace se soubory bez opuštění konverzace agenta SRE.

V tomto článku se naučíte:

Spuštění kódu Pythonu pro analýzu dat a vytváření vizualizací
Spouštění shell příkazů pro souborové operace
Generování a stahování sestav PDF
Práce se soubory v sandboxovém prostředí

Požadavky

Pokud chcete vytvořit agenta, musíte agentu udělit správná oprávnění, nakonfigurovat správná nastavení a udělit přístup k správným prostředkům:

Účet Azure: Potřebujete účet Azure s aktivním předplatným. Pokud ho ještě nemáte, můžete si zdarma vytvořit účet.
Kontext zabezpečení: Ujistěte se, že váš uživatelský účet má Microsoft.Authorization/roleAssignments/write oprávnění jako správce řízení přístupu na základě role nebo správce uživatelských přístupů.
Nastavení brány firewall: Přidejte *.azuresre.ai do seznamu povolených v nastavení brány firewall. Některé síťové profily můžou ve výchozím nastavení blokovat přístup k *.azuresre.ai doméně.

Jak interpret kódu funguje

Interpret kódu agenta SRE běží v izolované relaci Azure Container Apps s následujícími vlastnostmi:

Žádný přístup k síti: Sandbox nemůže provádět odchozí požadavky HTTP nebo HTTPS.
Žádné spouštění procesů: Příkazy jako subprocess a os.system jsou blokované.
Žádná instalace balíčku: pip install a conda install nejsou k dispozici.
Izolovaný systém souborů: Všechny soubory musí být uloženy do /mnt/data/souboru .

Tato omezení zajišťují zabezpečení a předvídatelné spouštění kódu. Předinstalované jsou běžné knihovny datových věd, jako jsou pandas, matplotlib a seaborn.

Začínáme s interpretem kódu

Nástroje interpretu kódu jsou automaticky dostupné v konverzacích agenta SRE. Požádejte agenta, aby prováděl úlohy pomocí přirozeného jazyka.

Ukázkové výzvy

Vyzkoušejte tyto výzvy, abyste mohli začít:

"Analyzujte tato data CSV a vytvořte graf zobrazující incidenty podle kategorií."
"Vygenerování souhrnu dnešních incidentů ve formátu PDF."
Parsujte tento soubor JSON a extrahujte vzory chyb.
"Vypište všechny soubory v relaci a zobrazte jejich velikosti."

První skript Pythonu

Následující příklad ukazuje, jak vytvořit vizualizaci:

import matplotlib.pyplot as plt
import numpy as np

# Generate sample data
categories = ['Critical', 'High', 'Medium', 'Low']
counts = [5, 12, 28, 45]

# Create bar chart
plt.figure(figsize=(10, 6))
plt.bar(categories, counts, color=['red', 'orange', 'yellow', 'green'])
plt.title('Incidents by Severity')
plt.xlabel('Severity Level')
plt.ylabel('Count')
plt.savefig('/mnt/data/incidents_by_severity.png', dpi=150)

Když se kód úspěšně spustí, agent zobrazí obrázek přímo v konverzaci.

Scénáře

Analýza dat incidentů

Pomocí interpretu kódu můžete transformovat nezpracovaná data incidentů na užitečné přehledy a vizualizace.

Požádejte agenta SRE, aby pomocí následující výzvy vytvořil soubor CSV se všemi incidenty, ke kterým došlo v posledním měsíci:
```
Create a CSV file of all the incidents that 
occurred in the last month.

Name the file `incidents.csv` and save it
to `/mnt/data`.
```

Pomocí Pythonu můžete analyzovat vzory incidentů a identifikovat trendy:

import pandas as pd

# Load incident data
df = pd.read_csv('/mnt/data/incidents.csv')

# Calculate summary statistics
summary = df.groupby('category').agg({
    'id': 'count',
    'resolution_time': 'mean'
}).rename(columns={'id': 'count', 'resolution_time': 'avg_resolution_hours'})

# Export results
summary.to_csv('/mnt/data/incident_summary.csv')
print(summary)

Vytváření vizualizací

Generování grafů pro komunikaci přehledů

import matplotlib.pyplot as plt
import seaborn as sns

# Load data
df = pd.read_csv('/mnt/data/incidents.csv')

# Create visualization
plt.figure(figsize=(12, 6))
sns.barplot(data=df, x='category', y='count', palette='viridis')
plt.title('Incidents by Category')
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('/mnt/data/category_chart.png', dpi=150)

Generování sestav PDF

Vytvářejte formátované dokumenty PDF pro zúčastněné strany.

from reportlab.pdfgen import canvas
from reportlab.lib.pagesizes import letter

# Create PDF
c = canvas.Canvas('/mnt/data/weekly_report.pdf', pagesize=letter)

# Add content
c.setFont('Helvetica-Bold', 18)
c.drawString(72, 750, 'Weekly Incident Report')

c.setFont('Helvetica', 12)
c.drawString(72, 720, 'Period: January 10-17, 2026')
c.drawString(72, 700, 'Total incidents: 90')
c.drawString(72, 680, 'Critical incidents: 5')
c.drawString(72, 660, 'Average resolution time: 4.2 hours')

c.save()

Agent vrátí odkaz ke stažení pro vygenerovaný soubor PDF.

Zpracování souborů protokolu

Prohledávejte a analyzujte soubory protokolu pomocí příkazů shellu.

# Count error occurrences by type
grep -E "ERROR|WARN|FATAL" application.log | sort | uniq -c | sort -rn

# Find the most recent log entries
tail -100 application.log

Referenční informace k nástrojům

Interpret kódu poskytuje následující nástroje:

ExecutePythonCode

Spustí kód Pythonu v izolovaném sandboxu.

Parameter	Typ	Povinné	Description
`pythonCode`	řetězec	Ano	Kód Pythonu ke spuštění (až 20 000 znaků)
`timeoutSeconds`	integer	Ne	Časový limit spuštění v sekundách (výchozí hodnota: 120, maximum: 900)

Výstup: Obrázky se zobrazují vložené v rámci textu jako markdown. Datové soubory se vrátí jako odkazy ke stažení.

GeneratePdfReport

Vytvoří dokumenty PDF z kódu Pythonu.

Parameter	Typ	Povinné	Description
`pythonCode`	řetězec	Ano	Kód Pythonu, který vytvoří soubor PDF
`expectedOutputFilename`	řetězec	Ano	Cesta, kam je soubor PDF uložený (například `report.pdf`)
`saveAsFilename`	řetězec	Ano	Stáhnout název souboru (například `daily_summary.pdf`)
`timeoutSeconds`	integer	Ne	Časový limit spuštění v sekundách (výchozí hodnota: 180, maximum: 900)

RunShellCommand

Provádí příkazy shellu v sandboxu.

Parameter	Typ	Povinné	Description
`command`	řetězec	Ano	Příkaz prostředí ke spuštění
`explanation`	řetězec	Ne	Popis pro protokolování pomocí příkazu
`isBackground`	Boolean	Ne	Musí to být `false` (úlohy na pozadí nejsou podporované).
`timeoutSeconds`	integer	Ne	Časový limit spuštění (výchozí: 120, max: 240)

Poznámka:

Příkazy se spouštějí z /mnt/data/. Používejte relativní cesty a řetězení příkazů pomocí ; namísto &&.

Operace se soubory

Tool	Description
`ReadSessionFile`	Načte obsah souboru z `/mnt/data/`.
`SearchSessionFiles`	Vyhledá text v souborech pomocí vzorů ve stylu grep.
`ListSessionFiles`	Zobrazí seznam všech souborů v relaci s metadaty.
`GetSessionFile`	Stáhne soubor z relace.
`UploadFileToSession`	Nahraje soubor pro další zpracování.

Podporované typy souborů

Obrázky: PNG, JPG, GIF, SVG, WebP, BMP, TIFF, EPS
Data: CSV, TSV, Excel, JSON, XML, YAML, HDF5, NetCDF, pickle
Dokumenty: PDF, HTML, Markdown, formáty Office
Kód: Python, poznámkové bloky Jupyter, R, SQL
Archivy: ZIP, TAR, GZ

Omezení

Z bezpečnostních důvodů systém blokuje následující operace:

Kategorie	Blokované operace
Vytváření procesů	`subprocess`, `os.system`, , `os.popenos.spawn*`
Síťový přístup	Odchozí požadavky HTTP/HTTPS
Instalace balíčku	`pip install`, `conda install`
Systém souborů	Přístup mimo `/mnt/data/`

Řešení potíží s interpretem kódu

Selhání spuštění kódu

Ověřte, že váš kód nepoužívá blokované operace, jako subprocess jsou nebo síťová volání.
Zkontrolujte, zda všechny cesty k souborům odkazují na /mnt/data/.
Ujistěte se, že váš kód má méně než 20 000 znaků.

Soubory se ve výstupu nezobrazují

Potvrďte, že soubory ukládáte do /mnt/data/.
Slouží ListSessionFiles k ověření vytvoření souboru.
Zkontrolujte, jestli je podporovaná přípona souboru.

Chyby časového limitu

timeoutSeconds Zvyšte parametr (maximálně 900 sekund).
Optimalizujte kód, abyste zkrátili dobu provádění.
Rozdělte velké operace na menší bloky dat.

Váš názor

Byla tato stránka užitečná?

Last updated on 2026-01-27