Freigeben über

Konfigurieren und Verwenden von KI-Agents

Künstliche Intelligenz (AI) Agenten revolutionieren die Art und Weise, wie Menschen und Anwendungen mit Daten interagieren, indem sie große Sprachmodelle (LLMs) in externe Tools und Datenbanken integrieren. Agents optimieren komplexe Workflows, verbessern die Genauigkeit des Abrufs von Informationen und bieten eine intuitive, natürliche Sprachschnittstelle für Ihre Daten. In diesem Artikel wird beschrieben, wie Sie einen KI-Agent trainieren, um FinOps, die FinOps Open Cost and Usage Specification (FOCUS) zu verstehen und eine Verbindung mit Daten in einer FinOps-Hubinstanz herzustellen.


Voraussetzungen


Konfigurieren von GitHub Copilot in VS Code

Die einfachste Möglichkeit, mit einem KI-basierten FinOps-Hub zu beginnen, ist der GitHub Copilot Agent-Modus.

  1. Registrieren Sie sich für GitHub Copilot Free , wenn Sie nicht über GitHub Copilot verfügen.

  2. Installieren Sie Node.js 20 oder neuer.

  3. Installieren Sie VS Code.

  4. Öffnen Sie einen Arbeitsbereich, und speichern Sie GitHub Copilot-Anweisungen für FinOps-Hubs:

    1. Öffnen Sie Visual Studio Code.
    2. Öffnen Sie einen Ordner oder Arbeitsbereich, in dem Sie eine Verbindung mit Ihrer FinOps-Hubinstanz herstellen möchten.
    3. Legen Sie einen .github-Ordner im Stammverzeichnis des Arbeitsbereichs an.
    4. Laden Sie die GitHub Copilot-Anweisungen für FinOps-Hubs herunter, und extrahieren Sie den Inhalt in den .github Ordner.

  5. Installieren Sie GitHub Copilot und Azure MCP:

Ausführliche Informationen zum Azure MCP-Server finden Sie unter Azure MCP auf GitHub.


Verbinden von anderen KI-Plattformen

FinOps-Hubs verwenden das Model Context Protocol (MCP), um eine Verbindung mit Ihren Daten im Azure-Daten-Explorer mithilfe des Azure MCP-Servers herzustellen und abzufragen. Neben GitHub Copilot gibt es viele beliebte Clients, die MCP-Server unterstützen, wie Claude, Continue und mehr. Obwohl wir keine Anweisungen mit anderen Clients getestet haben, können Sie möglicherweise einige oder alle KI-Anweisungen für FinOps-Hubs mit anderen Clients wiederverwenden. Probieren Sie die Anweisungen mit Clients aus, die Sie verwenden, und erstellen Sie eine Änderungsanforderung , oder senden Sie eine Pull-Anforderung , wenn Sie Lücken oder Verbesserungen entdecken.

Weitere Informationen zum Azure MCP-Server finden Sie unter Azure MCP auf GitHub.


Abfragen von FinOps-Hubs mit KI

Nachdem Sie den Azure MCP-Server installiert und Ihren KI-Client konfiguriert haben, führen Sie die folgenden Beispielschritte aus, um die FinOps-Hubinstanz zu verbinden und abzufragen. Diese Schritte basieren auf dem GitHub Copilot Agent-Modus mit den AI-Anweisungen für FinOps-Hubs. Sie können in anderen Kunden unterschiedlich funktionieren.

Herstellen einer Verbindung mit Ihrem Hub

Wenn Sie GitHub Copilot verwenden, öffnen Sie zunächst Chat im Agent-Modus:

Die KI-Anweisungen für FinOps-Hubs sind für FinOps-Aufgaben vorkonfiguriert und wissen bereits, wie Sie Ihre FinOps-Hubinstanz finden und verbinden können. Bitten Sie zunächst, eine Verbindung mit Ihrer FinOps-Hubinstanz herzustellen:

/ftk-hubs-connect

Copilot sollte automatisch eine Verbindung mit Ihrer FinOps-Hubinstanz herstellen. Wenn Sie mehrere haben, sollte eine Liste dieser Elemente angezeigt werden. Sie können darum bitten, eine Verbindung über Ressourcengruppe, Hubname, Clustername, Clusterkurz-URI (Clustername und Speicherort) oder die vollständige Cluster-URI herzustellen.

Wenn Sie eine Verbindung mit Ihrem Hub herstellen, werden Sie möglicherweise aufgefordert, Ihre Anmeldeinformationen zu verwenden. Wählen Sie Weiter aus.

Der Rest der Schritte verwendet die FinOps-Funktionen, um ein Beispiel für die Art der Fragen zu veranschaulichen, die Sie stellen können.

Datenaufnahme: Letzte Aktualisierungszeit abrufen

Ihre Abfragen sind nur so vollständig wie Ihre Daten. Überprüfen Sie zunächst, wann die Daten zuletzt in Ihre FinOps-Hubinstanz geladen wurden. Dies sollte Teil des ersten Verbindungsschritts sein. Sie können auch direkt fragen:

When was my data last refreshed?

Kostenverwaltungsexporte werden in der Regel alle 24 Stunden ausgeführt. Wenn Sie verwaltete Exporte verwenden, können Sie den Zeitplan so konfigurieren, dass er häufiger ausgeführt wird. Wenn Daten nicht up-to-datum sind, überprüfen Sie die Kostenverwaltungsexporte.

Zuordnung: Kosten nach Ressourcengruppe

Die am häufigsten verwendete Methode zum Zuordnen von Kosten in Azure ist die Ressourcengruppe. Um die Ressourcengruppen mit den meisten Kosten zu identifizieren, fragen Sie Folgendes:

What are the top resource groups by cost?

Sie können auch nach Abonnements (SubAccountName in FOCUS), Rechnungsabschnitten oder sogar nach Tags fragen.

Berichterstellung + Analyse: Größte Änderungen der Kostentrends

Die letzten beiden Beispiele waren recht einfach. Versuchen wir es etwas komplexer, indem wir ihn bitten, Trends im Laufe der Zeit zu analysieren. Copilot wird zunächst einige Forschungen durchführen, um einen Plan zu entwickeln. Und angesichts der Komplexität kann Copilot Sie auch bitten, eine KQL-Abfrage zu überprüfen und zu genehmigen, dass sie zur Durchführung der Analyse ausgeführt wird.

Analyze cloud service spending trends over the past 3 months. Show the top 5 services with the highest increase and top 5 with the highest decrease in cost, including percentage changes.

Wenn Sie aufgefordert werden, die Abfrage zu genehmigen, können Sie Copilot anweisen, die Abfrage basierend auf Ihren Anforderungen zu optimieren oder auszuführen.

Angesichts der Komplexität dieser Abfrage möchten Sie möglicherweise nach der Abfrage fragen, damit Sie sie selbst ausführen können. Sie können immer dieselben Abfragen aus dem Daten-Explorer-Portal ausführen. Oder bitten Sie Copilot, Ihnen einen Link zum Ausführen der Abfrage zu geben:

Give me a link to run this query myself.

Anomalieverwaltung: Identifizieren von Anomalien

Jetzt suchen wir nach Anomalien:

Are there any unusual spikes in cost over the last 3 months?

Sie sollten eine Zusammenfassung darüber erhalten, was gefunden wurde, unabhängig davon, ob Es Anomalien gab oder nicht. Dies ist eine weitere Stelle, wo Sie möglicherweise einen Link zur Abfrage anfordern möchten, um die Details selbst zu sehen. Sie können auch nach der Abfrage fragen oder sogar die Abfrage erläutern lassen.

Show me the query with comments on each line to explain what the line does.

Dies sollte die integrierte Anomalieerkennungsfunktion des Daten-Explorers verwenden. Bitten Sie Copilot, alles zu erklären, was Sie nicht verstehen. Dies kann eine großartige Gelegenheit sein, KQL zu lernen. Weisen Sie Copilot an, die Abfrage zu ändern, oder passen Sie sie selbst an, um Ihre Anforderungen zu erfüllen.

In meinem Fall wurde zwischen jeder kommentierten Zeile leere Zeilen hinzugefügt. Um dies auszuführen, müssen Sie den gesamten Text im Abfrage-Editor des Daten-Explorers markieren und "Ausführen" auswählen.

Prognose: Projektkosten zum Monatsende

Anomalieerkennung dreht sich darum, die Kosten eines Tages anhand einer Prognose vorherzusagen. Wenn Copilot Ihnen also helfen kann, historische Prognosen mit integrierten Daten-Explorer-Funktionen zu analysieren, können Sie auch zukünftige Kosten projizieren:

Show me the cost for last month, this month, and the forecasted cost by the end of the month for the subscriptions that have the highest cost this month.

Zinsoptimierung: Quantifizierung von Einsparungen

Als Nächstes sehen wir uns Einsparungen an. Lassen Sie uns nach Einsparungen aus ausgehandelten Rabatten und Verpflichtungsrabatten suchen, und quantifizieren Sie die effektive Sparrate (EFFECTIVE Savings Rate, ESR), um uns eine Vorstellung davon zu geben, wie wir mit unseren Zinsoptimierungsbemühungen vorgehen:

What was my cost last month, how much did I save on commitment discounts, and how much did I save with my negotiated discounts? Show my total savings and effective savings rate.

Erkunden Sie Ihre Daten

Dies sind nur einige Beispiele für die Arten von Anfragen, auf die Sie heute Antworten bekommen können. Stellen Sie Ihre eigenen Fragen und testen Sie, wie KI Ihnen helfen kann. Denken Sie einfach daran, dass KI auf das beschränkt ist, was sie lehrt und welche Daten sie zur Verfügung hat. Wenn Sie ein Szenario finden, das nicht abgedeckt ist oder verbessert werden könnte, teilen Sie bitte die Eingabeaufforderung, welche Antwort Sie erhalten haben, und wie Sie es als FinOps-Toolkit-Änderungsanforderung verbessern möchten.


Feedback senden

Lassen Sie uns mit einer kurzen Bewertung wissen, wie wir abschneiden. Wir verwenden diese Rezensionen, um FinOps-Tools und -Ressourcen zu verbessern und zu erweitern.

Feedback übermitteln

Wenn Sie nach etwas Spezifischem suchen, wählen Sie eine vorhandene Idee aus, oder erstellen Sie eine neue Idee. Teilen Sie Ideen mit anderen, um mehr Stimmen zu erhalten. Wir konzentrieren uns auf Ideen mit den meisten Stimmen.

Über Ideen abstimmen oder sie vorschlagen


Verwandte Inhalte

Verwandte FinOps-Funktionen:

Verwandte Produkte:

Verwandte Lösungen: