Definir DevOps con enfoque agente para entornos de Microsoft
Como ingeniero experimentado de DevOps, ha creado automatización que se ejecuta sin intervención humana. Una tubería se activa al hacer push, un script rota las credenciales según un calendario, una política bloquea un recurso no conforme en el plano de control. Estos son deterministas: dados la misma entrada, generan la misma salida cada vez.
Las capacidades agenticas son diferentes. No ejecutan un script fijo. Razonan sobre un objetivo, recopilan contexto de varios orígenes, deciden qué herramientas usar y toman una secuencia de acciones, adaptando su siguiente paso en función de lo que observen. Ese bucle de razonamiento es lo que distingue a un agente de la automatización.
Comprender lo que hace que una funcionalidad sea agente
Un agente, en el sentido de la inteligencia artificial, es un sistema que percibe su entorno, razones sobre un objetivo, selecciona e invoca herramientas y ajusta su enfoque en función de los resultados. Aplicado a DevOps, esto significa que un agente no solo responde a una sola instrucción. Puede aceptar una tarea como "generar una plantilla de Bicep para esta carga de trabajo y validarla contra nuestra línea de base de directiva", y luego dividir esa tarea en subtareas, consultar el repositorio y invocar herramientas de Bicep, verificar los datos de cumplimiento de Azure Policy, y devolver una plantilla lista para su revisión.
Tres propiedades distinguen las funcionalidades agenticas de la automatización tradicional y de los bots de chat de IA simples:
- Orientación de objetivo : el agente trabaja hacia un objetivo, no una secuencia fija de comandos.
- Invocación de herramientas: el agente llama a herramientas externas, API o servicios para recopilar información y realizar acciones.
- Bucles de observar-razonar-actuar: el agente evalúa los resultados intermedios y ajusta su plan en consecuencia.
La automatización tradicional de DevOps tiene orientación objetivo (las canalizaciones tienen un estado de destino) y, a veces, la invocación de herramientas, pero no tiene el bucle de razonamiento adaptable. Un script de Bash no detecta que su primer comando falló para luego elegir una estrategia diferente. Un agente lo hace.
Colocar DevOps proactivo en el espectro de plataformas de Microsoft
Microsoft ha estado creando funcionalidades agente incrementales en su cadena de herramientas durante varios años. La progresión es más clara en GitHub Copilot, que se movió de una herramienta de finalización de código a un asistente de chat. Luego evolucionó al modo agente, y ahora es un agente de programación basado en la nube que puede tomar tareas asignadas, abrir pull requests e iterar sobre feedback sin quedarse en tu editor.
Aparece una progresión similar en toda la plataforma:
| Familia de funcionalidades | Cómo se comporta agénticamente |
|---|---|
| GitHub Copilot (chat e inline) | Responde a las indicaciones. Sugiere código, explica los errores y genera documentación. Giro simple o giro corto con varios giros. |
| Modo de agente de Copilot de GitHub | Lee el contexto de código base completo, ejecuta tareas de varios pasos, invoca herramientas (terminal, sistema de archivos, pruebas) e iteraciones. Varias vueltas con uso de herramientas. |
| agente de codificación de GitHub Copilot (nube) | Recibe los problemas asignados de tu lista de pendientes, crea una solicitud pull y itera en los comentarios de las reseñas. Asincrónico, con alcance de repositorio. |
| agentes de Azure Copilot | Agentes especializados en el portal de Azure para la implementación, migración, observabilidad, optimización, resistencia y solución de problemas de cargas de trabajo de Azure. |
| funcionalidades de inteligencia artificial de Azure DevOps | Resúmenes de elementos de trabajo asistidos por IA, descripciones de pull requests, sugerencias de creación de pipelines y generación de contenido en Boards — integrados en las superficies diarias del flujo de trabajo. |
| Herramientas habilitadas para MCP | Extensiones a cualquiera de las anteriores a través del Protocolo de Contexto del Modelo. Proporciona a los agentes acceso a herramientas adicionales (CLI de Azure, contexto de proyecto de ADO, analizador de Bicep) dentro del ámbito que usted defina. |
En lugar de tratarlos como productos separados para aprender en aislamiento, piense en ellos como puntos diferentes en un espectro de autonomía. En función del nivel de experiencia, puede usarlos aislados al principio para luego evolucionar en un conjunto combinado de herramientas.
Distinguir capacidades autónomas de la automatización existente
Quizá estés pensando: "Ya tengo pipelines que despliegan infraestructura, scripts que detectan la deriva y libros de ejecución que responden a las alertas. ¿Cómo es esto diferente?"
La distinción clave es la amplitud del contexto y latoma de decisiones adaptables. La automatización existente sabe lo que le ha dicho que sepa, hace lo que le ha dicho que haga y se detiene o produce un error cuando alcanza un estado inesperado. Un agente puede:
- Integrar contexto de varias fuentes no estructuradas (descripción de la solicitud de incorporación de cambios, registros de pruebas fallidas, telemetría de supervisión, documentación) y sintetizarlo en un plan de acción coherente.
- Seleccione entre un conjunto de herramientas disponibles para recopilar lo que necesita, en lugar de tener la selección de herramientas codificada de forma rígida.
- Responder a los resultados intermedios, por ejemplo, detectar la tarea intermedia en la que un nombre de recurso entra en conflicto con una implementación existente y elegir automáticamente una alternativa.
Esto no es un reemplazo de la automatización. Es una capa diferente del modelo operativo. Uno que maneje el trabajo intensivo en juicio, que cambia de contexto y que implica múltiples fuentes y que tus pipelines nunca fueron diseñados para absorber.
Definir DevOps agéntico como un modelo operativo
Agentic DevOps es la aplicación de capacidades de IA basadas en agentes a flujos de trabajo de DevOps, donde esas capacidades controlan tareas que requieren razonamiento de varios orígenes, generan resultados estructurados que se ajustan a los procesos de entrega existentes y funcionan dentro de límites definidos por humanos.
El objetivo no es quitar los ingenieros de DevOps del bucle. Es para cambiar lo que ellos están al tanto. En lugar de diagnosticar manualmente una compilación fallida buscando a través de cinco vistas de registros diferentes, se describe la falla a un agente, que sintetiza los registros, hace referencias cruzadas a fallos similares anteriores y presenta la causa probable del problema con evidencia de apoyo. Sigues tomando la decisión de arreglar. Simplemente dedicas menos tiempo buscando.
Esta distinción de inteligencia artificial que realiza las tareas básicas que consumen mucha información y los seres humanos que toma la decisión consecuente es la base de cada concepto en el resto de este módulo.
Nota:
Las funcionalidades descritas en este módulo representan la plataforma Microsoft. La disponibilidad de características específica puede variar según el ciclo de lanzamiento del plan, la región y el producto. Compruebe siempre el estado de la funcionalidad en la documentación oficial de Microsoft antes de diseñar flujos de trabajo de producción.