Definieren agentischer DevOps für Microsoft Umgebungen
Als erfahrener DevOps-Techniker haben Sie Automatisierung entwickelt, die ohne menschliche Eingriffe ausgeführt wird. Eine Pipeline wird bei Push ausgelöst, ein Skript rotiert Anmeldeinformationen nach Zeitplan, eine Richtlinie blockiert eine nicht konforme Ressource auf der Steuerungsebene. Dies sind deterministisch: Angesichts der gleichen Eingabe erzeugen sie jedes Mal dieselbe Ausgabe.
Agentische Funktionen unterscheiden sich. Sie führen kein festes Skript aus. Sie überlegen sich ein Ziel, sammeln Kontextinformationen aus mehreren Quellen, entscheiden, welche Werkzeuge verwendet werden sollen, und führen eine Abfolge von Handlungen aus, wobei sie ihren nächsten Schritt basierend auf ihren Beobachtungen anpassen. Diese Begründungsschleife unterscheidet einen Agent von der Automatisierung.
Verstehen, was eine Funktion agentisch macht
Ein Agent im KI-Sinne ist ein System, das seine Umgebung wahrnimmt, Gründe für ein Ziel wahrnimmt, Tools auswählt und aufruft und seine Vorgehensweise basierend auf Ergebnissen anpasst. Auf DevOps angewendet, bedeutet dies, dass ein Agent nicht nur auf eine einzelne Anweisung reagiert. Sie kann ein Ziel akzeptieren, z. B. "eine Bicep Vorlage für diese Workload generieren und gegenüber unserer Richtlinienbasis validieren", dann dieses Ziel in Unteraufgaben aufteilen, Ihr Repository abfragen, Bicep Tools aufrufen, Azure Policy Compliance-Daten überprüfen und eine bereit zur Überprüfung stehende Vorlage zurückgeben.
Drei Eigenschaften unterscheiden agentische Funktionen von der herkömmlichen Automatisierung und von einfachen KI-Chatbots:
- Zielausrichtung – der Agent arbeitet zu einem Ziel, nicht zu einer festen Abfolge von Befehlen.
- Toolaufruf : Der Agent ruft externe Tools, APIs oder Dienste auf, um Informationen zu sammeln und Aktionen auszuführen.
- Beobachtung/Ursache/Maßnahme-Schleifen: Der Agent wertet Zwischenergebnisse aus und passt seinen Plan entsprechend an.
Die herkömmliche DevOps-Automatisierung verfügt über eine Zielausrichtung (Pipelines haben einen Zielzustand) und manchmal auch Toolaufrufe, aber sie verfügt nicht über die adaptive Begründungsschleife. Ein Bash-Skript stellt nicht fest, dass der erste Befehl nicht erfolgreich eine andere Strategie auswählen konnte. Ein Agent tut es.
Einordnen agentenbasierter DevOps im Microsoft-Plattform-Spektrum
Microsoft baut seit mehreren Jahren inkrementelle agentische Funktionen in seiner Toolkette auf. Die Entwicklung ist in GitHub Copilot am deutlichsten, das sich von einem Codevervollständigungs-Tool zu einem Chat-Assistenten entwickelt hat. Entwickelt sich dann in den Agentmodus und ist jetzt ein cloudbasierter Codierungs-Agent, der zugewiesene Aufgaben übernehmen kann, Pullanforderungen öffnen und Feedback durchlaufen kann, ohne in Ihrem Editor zu bleiben.
Eine ähnliche Entwicklung erscheint auf der ganzen Plattform:
| Fähigkeitsfamilie | Wie es sich agentenhaft verhält |
|---|---|
| GitHub Copilot (Chat und Inline) | Antwortet auf Eingabeaufforderungen. Schlägt Code vor, erläutert Fehler und generiert Dokumentationen. Einzeldurchlauf oder kurzer Mehrfachdurchlauf. |
| GitHub Copilot-Agentmodus | Liest Ihren vollständigen Codebase-Kontext, führt mehrstufige Aufgaben aus, ruft Tools (Terminal, Dateisystem, Tests) auf und iteriert. Mehrfachdurchlauf mit Tool. |
| GitHub Copilot Codierungs-Agent (Cloud) | Empfängt zu bearbeitende, zugewiesene Probleme aus Ihrem Backlog, erstellt eine Pull-Anforderung und iteriert über Überprüfungskommentare. Asynchron, im Repositorybereich. |
| Azure Copilot-Agenten | Spezialisierte Agents im Azure-Portal für Bereitstellung, Migration, Observierbarkeit, Optimierung, Resilienz und Problembehandlung von Azure Workloads. |
| Azure DevOps KI-Funktionen | KI-gestützte Arbeitselementzusammenfassungen, Pullanforderungsbeschreibungen, Pipelineerstellungsvorschläge und Boards-Inhaltsgenerierung – integriert in alltägliche Workflows. |
| MCP-fähige Werkzeuge | Erweiterungen für eines der oben genannten Elemente über das Modellkontextprotokoll. Gewährt Agents Zugriff auf zusätzliche Tools (Azure CLI, ADO-Projektkontext, Bicep Analyzer), die von Ihnen definiert sind. |
Anstatt diese als separate Produkte zu behandeln, um isoliert zu lernen, denken Sie an sie als verschiedene Punkte in einem Autonomiespektrum. Basierend auf Ihrer Erfahrungsstufe können Sie sie zuerst isoliert verwenden, um sich dann zu einem kombinierten Satz von Tools zu entwickeln.
Unterscheiden sie agentische Funktionen von Ihrer vorhandenen Automatisierung
Vielleicht denken Sie: „Ich habe bereits Pipelines, die Infrastruktur bereitstellen, Skripts, die auf Abweichungen prüfen, und Runbooks, die auf Alarme reagieren. Wie unterscheidet sich das?"
Die wichtigste Unterscheidung ist die Breite des Kontexts und der adaptiven Entscheidungsfindung. Ihre vorhandene Automatisierung weiß, was Sie ihm gesagt haben, dass es wissen soll, erledigt, was Sie ihm gesagt haben, dass es tun soll, und stoppt oder schlägt fehl, wenn sie auf einen unerwarteten Zustand trifft. Ein Agent kann:
- Kontext aus mehreren unstrukturierten Quellen erfassen (Pull-Anforderungsbeschreibung, Fehlschlagprotokolle, Überwachungstelemetrie, Dokumentation) und in einen kohärenten Aktionsplan synthetisieren.
- Wählen Sie aus einer Reihe verfügbarer Tools aus, um das benötigte zu sammeln, anstatt die Werkzeugauswahl fest zu programmieren.
- Reagieren Sie auf Zwischenergebnisse, zum Beispiel wenn Sie mitten in einer Aufgabe feststellen, dass ein Ressourcenname mit einer bestehenden Bereitstellung in Konflikt steht und automatisch eine Alternative ausgewählt wird.
Dies ist kein Ersatz für Ihre Automatisierung. Es ist eine andere Ebene des Betriebssystemmodells. Ein Modul, das die urteilsintensive, auf unterschiedlichen Kontexten und mehreren Quellen basierende Arbeit bewältigt, für die Ihre Pipelines nie geschaffen wurden.
Definieren agentischer DevOps als Betriebssystemmodell
Agentic DevOps ist die Anwendung agentbasierter KI-Funktionen auf DevOps-Workflows, bei denen diese Funktionen Aufgaben verarbeiten, die mehrquellenbasiertes Denken erfordern, strukturierte Ergebnisse erzeugen, die in vorhandene Übermittlungsprozesse passen und innerhalb von menschlichen Grenzen funktionieren.
Das Ziel besteht nicht darin, DevOps-Techniker aus der Schleife zu entfernen. Sie müssen den Einsatzweck, das Wofür ändern. Anstatt einen fehlerhaften Build manuell zu triagieren, indem Sie fünf verschiedene Protokollansichten durchsuchen, beschreiben Sie den Fehler einem Agenten, der die Protokolle synthetisiert, ähnliche frühere Fehler quervergleicht und die wahrscheinliche Ursache mit unterstützenden Nachweisen anzeigt. Denn Sie treffen immer die Entscheidung über die Korrektur. Sie verbringen nur weniger Zeit für die Suche.
Diese Unterscheidung der KI, die informationsintensive Grundarbeiten durchführt, und menschen, die die Folgeentscheidung treffen, ist die Grundlage jedes Konzepts im rest dieses Moduls.
Hinweis
Die in diesem Modul beschriebenen Funktionen stellen die Microsoft Plattform dar. Die Verfügbarkeit bestimmter Features kann je nach Plan, Region und Produktversionszyklus variieren. Überprüfen Sie den Funktionsstatus immer in der offiziellen Microsoft Dokumentation, bevor Sie Produktionsworkflows entwerfen.