Agentenverhalten des Azure SRE-Agenten

Ihr Agent überlegt bei Problemen, statt einfach Skripten zu folgen. Da es einen tiefen Kontext zu Ihrer Codebasis, früheren Vorfällen und Infrastruktur erstellt, analysiert es Ihre Systeme und nicht generische. Es sammelt Nachweise, wählt die richtigen Tools aus, klassifiziert Aktionen nach Risiko und erklärt sein Denken, alles sichtbar in der Chatoberfläche.

Die Begründungsschleife

Jede nachricht, die Sie senden, durchläuft dieselbe Schleife.

Der Agent versteht zuerst Ihre Anforderung und identifiziert, welche Daten sie benötigt. Anschließend sammelt es Kontext, indem es Datenquellen parallel abfragt (Protokolle, Metriken, Ressourcenstatus, Bereitstellungsverlauf, Arbeitsspeicher). Als Nächstes analysiert es die gesammelten Daten, identifiziert Muster und entwickelt Schlussfolgerungen. Schließlich handelt es sich um Maßnahmen oder Antworten , indem sie sichere Aktionen ausführen, eine Genehmigung für riskante Maßnahmen anfordern oder Ergebnisse präsentieren.

Wenn das Problem mehr Arbeit erfordert, iteriert die Schleife bis zu 10 Mal pro Iteration. Danach fragt Ihr Agent, ob der Vorgang fortgesetzt werden soll.

Adaptives Denken

Bei komplexen Problemen zeigt Ihr Agent seinen Begründungsprozess im Chat an. Ein einklappbarer "Denken"-Abschnitt erscheint mit beschreibenden Titeln für jeden Schritt (z. B. "Erforschen von Azure-Gesundheitsproblemen" oder "Analysieren aktiver Warnungen") und der verstrichenen Zeit.

Ihr Agent passt die Begründungstiefe automatisch an. Eine Statusüberprüfung erhält eine schnelle Antwort. Bei einem mehrstufigen Ausfall wird eine mehrstufige Argumentation mit Beweiskorrelation durchgeführt.

Tiefer Kontext bei der Begründung

Ihr Agent beginnt nicht von Grund auf neu. Es baut bei jedem Schritt des Reasoning-Loops auf Deep Context auf. Deep Context verfügt über drei Säulen, die gestalten, wie Ihr Agent denkt:

• Codeanalyse: Ihr Agent liest Ihre Repositories bereits, sodass er weiß, wo sich die Wiederholungslogik befindet und was sich kürzlich geändert hat, wenn ein Vorfall eintritt.
• Beständiger Speicher: Frühere Untersuchungen, Lösungsschritte und Ihre hochgeladenen Runbooks informieren jede neue Unterhaltung.
• Hintergrundintelligenz: Codebasisanalyse, Kusto-Schemaerweiterung und Erkenntnisgenerierung vertiefen kontinuierlich das Verständnis des Agenten.

Gedächtnis und Wissen

Zu Beginn jeder Unterhaltung durchsucht Ihr Agent Speicher nach relevanten Kontexten.

Was es daraus zieht	Wie es das Denken verbessert
Sitzungseinblicke	Lernen aus allen vergangenen Gesprächen, einschließlich Vorfallsuntersuchungen, Fehlerbehebungsgesprächen und geplanten Aufgabenergebnissen.
Ähnliche Symptommuster	Erkennt wiederkehrende Muster und springt schneller zu wahrscheinlichen Ursachen.
Ihre hochgeladenen Runbooks und Dokumentationen	Folgt den Verfahren Ihres Teams anstelle von generischen Ratschlägen
Benutzereinstellungen	Merkt sich Ihren Umgebungskontext und Ihre Antwortpräferenzen.

Je mehr Wissen Sie bereitstellen, z. B. Runbooks, Architekturdokumente und Teamprozeduren, desto relevanter wird die Begründung Ihres Agenten. Weitere Informationen finden Sie unter "Speicher und Wissen".

Toolauswahl

Ihr Agent wählt strategisch Tools basierend auf dem Problem aus. Sie beginnt mit allen Tools , die auf dem aktuellen benutzerdefinierten Agent registriert sind, und filtert dann nach Plattform, wobei nur Vorfalltools für die verbundene Vorfallplattform verwendet werden. Es filtert weiter anhand der veröffentlichten Liste, um nur die Tools einzuschließen, die Sie bereitstellen, und passt sich neuen Informationen während des Gesprächs an.

Jeder benutzerdefinierte Agent verfügt über einen eigenen Toolsatz. Wenn Ihr Agent an einen anderen benutzerdefinierten Agent delegiert wird, werden die verfügbaren Tools automatisch geändert.

Weitere Informationen zu den verfügbaren Tools finden Sie unter Tools.

Parallele Ausführung

Wenn Ihr Agent unabhängige Operationen identifiziert, also Aktionen, die nicht voneinander abhängig sind, führt er diese gleichzeitig in einem einzelnen Durchgang aus, anstatt sie nacheinander auszuführen.

Wenn Ihr Agent z. B. den Pod-Status, den Dienststatus und den Bereitstellungsverlauf überprüfen muss, werden alle drei Befehle parallel ausgeführt, anstatt darauf zu warten, dass die einzelnen Befehle abgeschlossen sind, bevor die nächste gestartet wird. Dieser Ansatz reduziert die Anzahl der Denkschritte und beschleunigt die Untersuchungen.

Aufforderungen auf Toolebene führen die parallele Ausführung und weisen das Modell an: "Wenn die Befehle unabhängig sind und parallel ausgeführt werden können, führen Sie mehrere Toolaufrufe in einer einzigen Nachricht durch."

Aktionsklassifizierung

Ihr Agent klassifiziert jede Aktion, bevor sie ausgeführt wird.

Klassifizierung	Verhalten	Beispiele
Sicher	Wird sofort ausgeführt	Abfrageprotokolle, Überprüfen des Ressourcenstatus, Listenbereitstellungen
Vorsichtig	Führt eine Aktion mit einer kurzen Erläuterung durch	Senden von E-Mails, Posten von Teams-Nachrichten
Zerstörend	Erfordert Ihre Bestätigung	Starten Sie eine App neu, skalieren Sie Ressourcen, ändern Sie Konfigurationen.

Wie Ihr Agent jeden Typ verarbeitet, hängt vom Ausführungsmodus ab.

Ausführungsmodus	Sicher	Vorsichtig	Zerstörend
Bewertung	Executes	Executes	Bittet um Genehmigung
Autonome	Executes	Executes	Executes

Konversationsmanagement

Mehrere Mechanismen halten lange Unterhaltungen produktiv.

Mechanismus	Was es tut
Verdichtung	Wenn Unterhaltungen lang sind, fasst Ihr Agent früheren Kontext zusammen, während wichtige Ergebnisse erhalten bleiben. Sie können diese Aktion manuell mithilfe des /compact Befehls auslösen.
Automatische Wiederholversuche	Wenn eine Dienstunterbrechung während der Antwort auftritt, versucht Ihr Agent es erneut im Hintergrund.
Fehlerbehandlung	Wenn bei einem Modell ein temporäres Problem auftritt, zeigt Ihr Agent eine benutzerfreundliche Meldung an ("Modell tritt vorübergehend Probleme auf") anstelle eines generischen internen Fehlers an.

Stornierung

Wenn Sie "Beenden" auswählen, hält Ihr Agent sofort alle Vorgänge an und verhindert, dass die abgebrochene Aufgabe erneut ausgeführt wird. Die nächste Nachricht wird neu gestartet, es sei denn, Sie ändern die abgebrochene Anforderung explizit.

Boundaries

In der folgenden Tabelle wird zusammengefasst, was die Agent-Begründung tut und was nicht.

Was macht die Begründung?	Was dies nicht tut
Sammelt Nachweise aus mehreren Quellen parallel	Garantie für das Auffinden einer Ursache (Nachweise sind möglicherweise unzureichend)
Klassifiziert Aktionen und respektiert den Ausführungsmodus.	Autoremediation ohne Bestätigung im Überprüfungsmodus
Erläutert das Denken schritt für Schritt	Gemeinsame Untersuchungsmethode über separate Agents hinweg
Passt die Denktiefe an die Problemkomplexität an.	Ersetzen des menschlichen Urteils für kritische Entscheidungen

Nächster Schritt

Erkunden des Agent-Playgrounds

Verwandte Inhalte

• Ursachenanalyse: Umfassende Untersuchung mit Hypothesenbäumen
• Deep Context: Wie Ihr Agent das Verständnis Ihrer Umgebung aufbaut
• Ausführungsmodi: Überprüfung und autonomes Verhalten
• Speicher und Wissen: Wie Ihr Agent sich kontextübergreifend in Unterhaltungen erinnert
• Tools: Integrierte und benutzerdefinierte Toolfunktionen
• Fähigkeiten: Domänenspezifische Untersuchungsverfahren