CLI Agen untuk Pertanyaan yang Sering Diajukan AKS

Artikel ini memberikan jawaban atas beberapa pertanyaan paling umum tentang CLI agenik untuk Azure Kubernetes Service (AKS).

Apa itu CLI agenik untuk AKS?

CLI agenik untuk AKS adalah alat baris perintah yang didukung AI yang dirancang untuk membantu pengguna AKS memecahkan masalah kluster secara efisien. Ini menganalisis sinyal telemetri (log, metrik, peristiwa), mengorelasikannya di seluruh infrastruktur dan beban kerja, serta memberikan wawasan yang dapat ditindaklanjuti. Agen mengambil kueri bahasa alami sebagai input dan mengembalikan ringkasan diagnostik, analisis akar penyebab, dan saran pemulihan. CLI agenik tidak menyertakan model AI, jadi Anda perlu menyediakan kunci API model bahasa besar (LLM) Anda sendiri agar agen berfungsi.

Apa yang dapat dilakukan CLI agenik untuk AKS?

CLI berbasis agen untuk AKS bertindak sebagai asisten lokal yang menginterpretasikan kueri bahasa alami, menjalankan perintah diagnostik, dan mengembalikan wawasan yang dapat diambil tindakan. Ini terintegrasi dengan mulus dengan alat asli AKS dan sumber telemetri seperti peristiwa Kubernetes, log, Inspektor Gadget, Azure, dan API AKS. Masing-masing diaktifkan sebagai set alat secara bawaan di az aks agent.

Agen menghormati kontrol akses berbasis peran Azure (RBAC) dan kontrol identitas karena memperoleh izin pengguna dari Azure CLI. Ini beroperasi dalam mode baca-saja secara default. Anda dapat mengonfigurasi penyedia AI Anda (misalnya, OpenAI, Azure OpenAI, dan Anthropic) dan model. Anda juga dapat mengonfigurasi agen untuk menghasilkan output toolset.

Output dari az aks agent meliputi:

• Respons ringkasan yang disintesis AI terhadap kueri pengguna.
• Analisis akar penyebab dengan bukti pendukung.
• Saran remediasi disesuaikan dengan praktik terbaik AKS.
• Jejak diagnostik dan hasil keluaran alat.

Apa saja kegunaan yang dimaksudkan untuk CLI agenik untuk AKS?

CLI agenik untuk AKS memiliki penggunaan yang dimaksudkan berikut:

• Interaksi human-in-the-loop dengan kluster AKS Anda untuk membantu Anda mendeteksi, mendiagnosis, dan menyelesaikan masalah secara efisien.
• Interaksi baca-saja dengan API Kubernetes dan AKS. Anda bisa mendapatkan informasi tentang sumber daya, memahami kesehatan sumber daya kluster AKS, dan mengikuti praktik-praktik terbaik umum untuk Kubernetes dan AKS.

CLI agenik untuk AKS tidak dimaksudkan untuk digunakan sebagai pengkodean generik atau agen AI di luar cakupan interaksi AKS. Ini tidak dapat mengakses internet untuk menjawab pertanyaan umum.

CLI agentik untuk AKS telah dioptimalkan untuk skenario-skenario khusus AKS. Ini terintegrasi dengan alat seperti kubectl, Azure CLI, Inspektor Gadget, dan Azure Monitor, tetapi dapat membuat kesalahan. Agen terkadang mengabaikan sinyal halus, salah menafsirkan telemetri bising, atau menyarankan mitigasi yang memerlukan validasi manusia. Misalnya, kegagalan Sistem Nama Domain (DNS) dapat disalahartikan sebagai kebijakan jaringan ketika akar masalah sebenarnya adalah server DNS upstream yang salah dikonfigurasikan. Skenario ini mungkin terjadi terutama jika telemetri tidak lengkap atau izin dibatasi.

Untuk menghindari bias otomatisasi, Anda harus memperlakukan output agen sebagai titik awal yang bermanfaat dan bukan putusan akhir. Ini unggul dalam memunculkan kemungkinan penyebab dan membimbing penyelidikan, tetapi pengawasan manusia sangat penting. Tinjauan manusia diperlukan di lingkungan yang kompleks atau berisiko tinggi.

Untuk model AI, kami sarankan Anda menggunakan model yang disebarkan Azure OpenAI, seperti GPT4o atau GPTo3. Anda juga dapat menggunakannya langsung dari platform OpenAI API. Anda dapat menggunakan penyedia model LLM apa pun yang didukung oleh spesifikasi Open API, seperti Anthropic dan Gemini.

Bagaimana CLI agentik untuk AKS dievaluasi? Metrik apa yang digunakan untuk mengukur performa?

CLI agenik untuk AKS sedang dievaluasi melalui kombinasi pengujian internal dan evaluasi terprogram yang dirancang untuk memastikan bahwa kemampuan diagnostiknya akurat, relevan, dan bermakna.

Untuk evaluasi terprogram, kami mengukur metrik AI bertanggung jawab yang standar seperti groundedness, UPIA dan XPIA jailbreak, konten berbahaya, dan kualitas percakapan (seperti koherensi dan kefasihan).

Pengujian ini membantu kami mengidentifikasi kesenjangan dalam penalaran, integrasi alat, dan pelaksanaan cepat. Metrik inti untuk keberhasilan adalah akurasi diagnosis agen dan relevansi rekomendasinya. Apakah agen mengidentifikasi akar penyebab dengan benar dan menyarankan mitigasi konteks yang dapat ditindaklanjuti?

Kami melakukan bug bash internal dan tim red untuk menguji perilaku agen secara ketat dalam berbagai kasus. Kami memeriksa degradasi kesehatan simpul, kegagalan DNS, gangguan peningkatan, dan masalah penjadwalan pod.

Kami mengenali sifat dinamis dari interaksi AI dengan agen, dan kami menyambut umpan balik Anda dalam pratinjau ini. Anda dapat berbagi umpan balik langsung dengan kami di aksagentcli@service.microsoft.com. Anda juga dapat membuka masalah GitHub.

Apa batasan CLI agenik untuk AKS? Bagaimana cara meminimalkan efek batasan ini ketika saya menggunakan sistem?

CLI agentik untuk AKS sangat kuat dan dirancang untuk mendiagnosis dan menyelesaikan masalah dalam kluster AKS. Ini memiliki beberapa batasan penting yang harus Anda waspadai untuk memastikan penggunaan yang efektif dan bertanggung jawab:

• Kemampuan agen untuk mengakses dan menganalisis data secara langsung bergantung pada izin Anda dan ketersediaan telemetri. Jika Anda tidak memiliki hak akses yang memadai, atau jika sumber telemetri seperti log, metrik, atau peristiwa hilang atau tidak lengkap, agen mungkin tidak dapat menghasilkan diagnostik yang akurat atau lengkap.
• Sistem tunduk pada batas token saat memproses himpunan data besar, seperti metrik rangkaian waktu. Batasan ini dapat membatasi kedalaman atau luasnya analisis dalam skenario pemecahan masalah yang kompleks.
• Dalam status MVP saat ini, CLI agenik menawarkan dukungan terbatas untuk pengalaman Azure terkelola. Alur kerja tertentu, seperti integrasi pemberitahuan Azure Monitor, mungkin tidak didukung sepenuhnya.

Untuk meminimalkan efek batasan ini, Anda dapat mengambil beberapa langkah proaktif:

• Pastikan bahwa alat diagnostik yang diperlukan, seperti Azure Monitor, dikonfigurasi dengan benar untuk membantu agen mengakses telemetri yang lebih kaya dan melakukan diagnostik yang lebih komprehensif.
• Perluas kemampuan CLI agenik dengan menggunakannya dengan server Azure Model Context Protocol (MCP) atau AKS MCP. Untuk informasi selengkapnya, lihat Mengintegrasikan server AKS MCP dengan CLI agenik untuk AKS.
• Gunakan model penalaran generasi terbaru atau tujuan umum, seperti GPT4o dan GPTo3, untuk memastikan hasil terbaik. CLI agenik untuk AKS tidak disertakan dengan model AI.

Faktor dan pengaturan operasional apa yang memungkinkan penggunaan CLI agenik yang efektif dan bertanggung jawab untuk AKS?

Untuk menggunakan CLI agentik untuk AKS secara efektif dan bertanggung jawab, beberapa pengaturan operasional memiliki peran kunci. Agen dirancang untuk beroperasi dalam mode baca-saja secara default, yang memastikan diagnostik yang aman tanpa membuat perubahan pada kluster. Ketika operasi tulis diperlukan, seperti menyebarkan pod debug atau menjalankan langkah-langkah remediasi, operasi tersebut memerlukan persetujuan pengguna eksplisit untuk mempertahankan kontrol pengguna dan meminimalkan efek yang tidak diinginkan.

Agen berjalan secara lokal di komputer Anda dan juga mendukung penyedia AI pilihan sendiri. Untuk alasan ini, Anda dapat mengonfigurasi kunci LLM API Anda sendiri. Penyiapan ini memastikan bahwa Anda dapat membawa penyedia dan endpoint AI yang disetujui organisasi Anda. Semua pemrosesan data terjadi secara lokal untuk menjaga privasi data dan selaras dengan standar keamanan perusahaan.

Agen ini juga menawarkan pengaturan verbositas yang dapat dikonfigurasi, yang dapat Anda gunakan untuk beralih antara ringkasan ringkasan dan output diagnostik terperinci tergantung pada kebutuhan Anda. Fleksibilitas ini mendukung pengumpulan wawasan cepat dan transparansi penuh terhadap cara berpikir agen dan pelaksanaan alat.

Integrasi dengan identitas Azure dan RBAC lebih lanjut memastikan bahwa agen hanya mengakses sumber daya yang diizinkan untuk Anda lihat. Pembatasan ini menyederhanakan penyiapan dan memberlakukan batas akses yang aman. Bersama-sama, pengaturan ini membuat lingkungan yang aman, sadar privasi, dan dikontrol pengguna untuk memecahkan masalah kluster AKS dengan bantuan AI.

Bagaimana cara memberikan umpan balik atau mendapatkan bantuan dengan CLI agenik untuk AKS?

Anda dapat memberikan umpan balik atau mendapatkan bantuan dengan CLI agenik untuk AKS melalui beberapa saluran:

• Masalah GitHub dan permintaan pull pada repositori CLI agentic.
• Saluran internal selama fase pratinjau.
• Tiket dukungan Azure atau keterlibatan langsung dengan tim produk AKS.

Apa itu plugin, dan bagaimana CLI agenik untuk AKS menggunakannya?

Dalam konteks CLI agenik untuk AKS, plugin adalah ekstensi modular yang meningkatkan kemampuan diagnostik agen dengan mengintegrasikan alat eksternal, sumber data, dan logika khusus domain ke dalam alur kerja pemecahan masalahnya. Plugin ini memungkinkan agen melampaui eksekusi perintah statis dan menggabungkan penalaran dinamis yang sadar skenario. Agen mendukung jenis plugin berikut:

• Integrasi toolset: Anda dapat memperluas kemampuan agen dengan toolset yang terhubung ke platform observabilitas seperti Prometheus, Datadog, dan Azure Monitor. Toolset ini mengekspos metrik, log, dan pemberitahuan yang dapat dikueri dan dianalisis agen secara real time. Misalnya, set alat Prometheus mungkin memungkinkan agen mengambil tren penggunaan CPU dan memori untuk pod yang gagal. Integrasi Azure Monitor dapat menampilkan pemberitahuan terbaru atau log aktivitas yang relevan dengan masalah kesehatan simpul.
• Server MCP: Server Protokol Konteks Model bertindak sebagai perantara yang mengekspos alat diagnostik dan templat perintah ke agen AI. Di agen CLI untuk AKS, server MCP menyediakan akses terstruktur ke kubernetes dan sumber daya Azure. Agen kemudian dapat menjalankan perintah seperti kubectl describe dan az aks show atau bahkan menyebarkan pod debug. Server ini juga membantu menstandarkan bagaimana alat dipanggil dan bagaimana data dikembalikan, yang memudahkan untuk menskalakan kemampuan agen di seluruh lingkungan.

Data apa yang dapat diberikan CLI agenik untuk AKS ke plugin? Izin apa yang dimiliki plugin?

Semua plugin hanya ditarik. Alat ini memungkinkan CLI agenik untuk AKS menarik data dari berbagai sumber atau menggunakan runbook kustom yang disematkannya sebagai bagian dari permintaan LLM untuk meningkatkan kemampuan diagnostiknya. Satu-satunya aliran data keluar adalah ke model AI yang Anda sambungkan ke CLI agenik untuk AKS.

Jenis masalah apa yang mungkin muncul ketika saya menggunakan CLI agenik untuk AKS yang diaktifkan dengan plugin?

Ketika Anda menggunakan CLI agenik untuk AKS dengan plugin, beberapa jenis masalah mungkin muncul yang dapat memengaruhi keandalan atau akurasi pengalaman pemecahan masalah.

Salah satu tantangan umum adalah pemanggilan alat yang salah karena prompt yang salah dikonfigurasi. Plugin sering mengandalkan templat yang diminta untuk memandu penalaran AI dan pemilihan alat. Bahkan kesalahan kecil dalam logika atau struktur yang diminta dapat menyebabkan alat yang salah dipicu atau alat yang tepat digunakan dalam konteks yang salah. Hasilnya mungkin mendiagnosis yang menyesatkan atau investigasi yang tidak lengkap.

Risiko lain adalah pembuatan output yang dibuat atau salah, terutama ketika plugin mengembalikan data yang tidak lengkap, usang, atau ambigu. Dalam kasus seperti itu, AI mungkin mencoba "mengisi celah" dengan penjelasan yang terdengar masuk akal tetapi salah. Kesalahan juga dapat terjadi ketika telemetri hilang atau ketika plugin digunakan dalam konfigurasi kluster yang tidak didukungnya. Misalnya, kluster privat mungkin tidak memiliki akses ke API atau alat tertentu.

Untuk mengurangi risiko ini, CLI dengan manajemen agen untuk AKS mencakup perlindungan yang beragam. Pengelogan verbose dan pelaporan kesalahan dapat membantu Anda melacak dengan tepat alat apa yang dipanggil, data apa yang dikembalikan, dan bagaimana AI menafsirkannya. Laporan memudahkan untuk menemukan dan memperbaiki masalah. Anda juga dapat mengambil alih atau menonaktifkan plugin tertentu secara manual jika Anda menduga plugin tersebut menyebabkan masalah atau mengembalikan data yang tidak dapat diandalkan.

Terakhir, dokumentasi yang jelas dan dukungan komunitas sangat penting untuk pengembangan dan pemeliharaan plugin. Plugin yang didokumenkan dengan baik dengan contoh, catatan kompatibilitas versi, dan batasan yang diketahui membantu Anda memahami cara menggunakannya secara bertanggung jawab dan berkontribusi peningkatan saat diperlukan. Menggunakan model LLM/penalaran generasi terbaru dari penyedia AI terkemuka juga mengurangi risiko informasi yang salah.

Konten terkait

• Untuk gambaran umum CLI agenik untuk AKS, lihat Tentang CLI agenik untuk AKS.
• Untuk membantu Anda mengatasi masalah umum saat menggunakan CLI agenik untuk AKS, lihat panduan pemecahan masalah Agentic CLI for AKS.

Artikel ini memberikan jawaban atas beberapa pertanyaan paling umum tentang CLI agenik untuk Azure Kubernetes Service (AKS).

CLI agenik untuk AKS adalah alat baris perintah yang didukung AI yang dirancang untuk membantu pengguna AKS memecahkan masalah kluster secara efisien. Ini menganalisis sinyal telemetri (log, metrik, peristiwa), mengorelasikannya di seluruh infrastruktur dan beban kerja, serta memberikan wawasan yang dapat ditindaklanjuti. Agen mengambil kueri bahasa alami sebagai input dan mengembalikan ringkasan diagnostik, analisis akar penyebab, dan saran pemulihan. CLI agenik tidak menyertakan model AI, jadi Anda perlu menyediakan kunci API model bahasa besar (LLM) Anda sendiri agar agen berfungsi.

CLI berbasis agen untuk AKS bertindak sebagai asisten lokal yang menginterpretasikan kueri bahasa alami, menjalankan perintah diagnostik, dan mengembalikan wawasan yang dapat diambil tindakan. Ini terintegrasi dengan mulus dengan alat asli AKS dan sumber telemetri seperti peristiwa Kubernetes, log, Inspektor Gadget, Azure, dan API AKS. Masing-masing diaktifkan sebagai set alat secara bawaan di az aks agent.

Agen menghormati kontrol akses berbasis peran Azure (RBAC) dan kontrol identitas karena memperoleh izin pengguna dari Azure CLI. Ini beroperasi dalam mode baca-saja secara default. Anda dapat mengonfigurasi penyedia AI Anda (misalnya, OpenAI, Azure OpenAI, dan Anthropic) dan model. Anda juga dapat mengonfigurasi agen untuk menghasilkan output toolset.

Output dari az aks agent meliputi:

• Respons ringkasan yang disintesis AI terhadap kueri pengguna.
• Analisis akar penyebab dengan bukti pendukung.
• Saran remediasi disesuaikan dengan praktik terbaik AKS.
• Jejak diagnostik dan hasil keluaran alat.

CLI agenik untuk AKS memiliki penggunaan yang dimaksudkan berikut:

• Interaksi human-in-the-loop dengan kluster AKS Anda untuk membantu Anda mendeteksi, mendiagnosis, dan menyelesaikan masalah secara efisien.
• Interaksi baca-saja dengan API Kubernetes dan AKS. Anda bisa mendapatkan informasi tentang sumber daya, memahami kesehatan sumber daya kluster AKS, dan mengikuti praktik-praktik terbaik umum untuk Kubernetes dan AKS.

CLI agenik untuk AKS tidak dimaksudkan untuk digunakan sebagai pengkodean generik atau agen AI di luar cakupan interaksi AKS. Ini tidak dapat mengakses internet untuk menjawab pertanyaan umum.

CLI agentik untuk AKS telah dioptimalkan untuk skenario-skenario khusus AKS. Ini terintegrasi dengan alat seperti kubectl, Azure CLI, Inspektor Gadget, dan Azure Monitor, tetapi dapat membuat kesalahan. Agen terkadang mengabaikan sinyal halus, salah menafsirkan telemetri bising, atau menyarankan mitigasi yang memerlukan validasi manusia. Misalnya, kegagalan Sistem Nama Domain (DNS) dapat disalahartikan sebagai kebijakan jaringan ketika akar masalah sebenarnya adalah server DNS upstream yang salah dikonfigurasikan. Skenario ini mungkin terjadi terutama jika telemetri tidak lengkap atau izin dibatasi.

Untuk menghindari bias otomatisasi, Anda harus memperlakukan output agen sebagai titik awal yang bermanfaat dan bukan putusan akhir. Ini unggul dalam memunculkan kemungkinan penyebab dan membimbing penyelidikan, tetapi pengawasan manusia sangat penting. Tinjauan manusia diperlukan di lingkungan yang kompleks atau berisiko tinggi.

Untuk model AI, kami sarankan Anda menggunakan model yang disebarkan Azure OpenAI, seperti GPT4o atau GPTo3. Anda juga dapat menggunakannya langsung dari platform OpenAI API. Anda dapat menggunakan penyedia model LLM apa pun yang didukung oleh spesifikasi Open API, seperti Anthropic dan Gemini.

CLI agenik untuk AKS sedang dievaluasi melalui kombinasi pengujian internal dan evaluasi terprogram yang dirancang untuk memastikan bahwa kemampuan diagnostiknya akurat, relevan, dan bermakna.

Untuk evaluasi terprogram, kami mengukur metrik AI bertanggung jawab yang standar seperti groundedness, UPIA dan XPIA jailbreak, konten berbahaya, dan kualitas percakapan (seperti koherensi dan kefasihan).

Pengujian ini membantu kami mengidentifikasi kesenjangan dalam penalaran, integrasi alat, dan pelaksanaan cepat. Metrik inti untuk keberhasilan adalah akurasi diagnosis agen dan relevansi rekomendasinya. Apakah agen mengidentifikasi akar penyebab dengan benar dan menyarankan mitigasi konteks yang dapat ditindaklanjuti?

Kami melakukan bug bash internal dan tim red untuk menguji perilaku agen secara ketat dalam berbagai kasus. Kami memeriksa degradasi kesehatan simpul, kegagalan DNS, gangguan peningkatan, dan masalah penjadwalan pod.

Kami mengenali sifat dinamis dari interaksi AI dengan agen, dan kami menyambut umpan balik Anda dalam pratinjau ini. Anda dapat berbagi umpan balik langsung dengan kami di aksagentcli@service.microsoft.com. Anda juga dapat membuka masalah GitHub.

CLI agentik untuk AKS sangat kuat dan dirancang untuk mendiagnosis dan menyelesaikan masalah dalam kluster AKS. Ini memiliki beberapa batasan penting yang harus Anda waspadai untuk memastikan penggunaan yang efektif dan bertanggung jawab:

• Kemampuan agen untuk mengakses dan menganalisis data secara langsung bergantung pada izin Anda dan ketersediaan telemetri. Jika Anda tidak memiliki hak akses yang memadai, atau jika sumber telemetri seperti log, metrik, atau peristiwa hilang atau tidak lengkap, agen mungkin tidak dapat menghasilkan diagnostik yang akurat atau lengkap.
• Sistem tunduk pada batas token saat memproses himpunan data besar, seperti metrik rangkaian waktu. Batasan ini dapat membatasi kedalaman atau luasnya analisis dalam skenario pemecahan masalah yang kompleks.
• Dalam status MVP saat ini, CLI agenik menawarkan dukungan terbatas untuk pengalaman Azure terkelola. Alur kerja tertentu, seperti integrasi pemberitahuan Azure Monitor, mungkin tidak didukung sepenuhnya.

Untuk meminimalkan efek batasan ini, Anda dapat mengambil beberapa langkah proaktif:

• Pastikan bahwa alat diagnostik yang diperlukan, seperti Azure Monitor, dikonfigurasi dengan benar untuk membantu agen mengakses telemetri yang lebih kaya dan melakukan diagnostik yang lebih komprehensif.
• Perluas kemampuan CLI agenik dengan menggunakannya dengan server Azure Model Context Protocol (MCP) atau AKS MCP. Untuk informasi selengkapnya, lihat Mengintegrasikan server AKS MCP dengan CLI agenik untuk AKS.
• Gunakan model penalaran generasi terbaru atau tujuan umum, seperti GPT4o dan GPTo3, untuk memastikan hasil terbaik. CLI agenik untuk AKS tidak disertakan dengan model AI.

Untuk menggunakan CLI agentik untuk AKS secara efektif dan bertanggung jawab, beberapa pengaturan operasional memiliki peran kunci. Agen dirancang untuk beroperasi dalam mode baca-saja secara default, yang memastikan diagnostik yang aman tanpa membuat perubahan pada kluster. Ketika operasi tulis diperlukan, seperti menyebarkan pod debug atau menjalankan langkah-langkah remediasi, operasi tersebut memerlukan persetujuan pengguna eksplisit untuk mempertahankan kontrol pengguna dan meminimalkan efek yang tidak diinginkan.

Agen berjalan secara lokal di komputer Anda dan juga mendukung penyedia AI pilihan sendiri. Untuk alasan ini, Anda dapat mengonfigurasi kunci LLM API Anda sendiri. Penyiapan ini memastikan bahwa Anda dapat membawa penyedia dan endpoint AI yang disetujui organisasi Anda. Semua pemrosesan data terjadi secara lokal untuk menjaga privasi data dan selaras dengan standar keamanan perusahaan.

Agen ini juga menawarkan pengaturan verbositas yang dapat dikonfigurasi, yang dapat Anda gunakan untuk beralih antara ringkasan ringkasan dan output diagnostik terperinci tergantung pada kebutuhan Anda. Fleksibilitas ini mendukung pengumpulan wawasan cepat dan transparansi penuh terhadap cara berpikir agen dan pelaksanaan alat.

Integrasi dengan identitas Azure dan RBAC lebih lanjut memastikan bahwa agen hanya mengakses sumber daya yang diizinkan untuk Anda lihat. Pembatasan ini menyederhanakan penyiapan dan memberlakukan batas akses yang aman. Bersama-sama, pengaturan ini membuat lingkungan yang aman, sadar privasi, dan dikontrol pengguna untuk memecahkan masalah kluster AKS dengan bantuan AI.

Anda dapat memberikan umpan balik atau mendapatkan bantuan dengan CLI agenik untuk AKS melalui beberapa saluran:

• Masalah GitHub dan permintaan pull pada repositori CLI agentic.
• Saluran internal selama fase pratinjau.
• Tiket dukungan Azure atau keterlibatan langsung dengan tim produk AKS.

Dalam konteks CLI agenik untuk AKS, plugin adalah ekstensi modular yang meningkatkan kemampuan diagnostik agen dengan mengintegrasikan alat eksternal, sumber data, dan logika khusus domain ke dalam alur kerja pemecahan masalahnya. Plugin ini memungkinkan agen melampaui eksekusi perintah statis dan menggabungkan penalaran dinamis yang sadar skenario. Agen mendukung jenis plugin berikut:

• Integrasi toolset: Anda dapat memperluas kemampuan agen dengan toolset yang terhubung ke platform observabilitas seperti Prometheus, Datadog, dan Azure Monitor. Toolset ini mengekspos metrik, log, dan pemberitahuan yang dapat dikueri dan dianalisis agen secara real time. Misalnya, set alat Prometheus mungkin memungkinkan agen mengambil tren penggunaan CPU dan memori untuk pod yang gagal. Integrasi Azure Monitor dapat menampilkan pemberitahuan terbaru atau log aktivitas yang relevan dengan masalah kesehatan simpul.
• Server MCP: Server Protokol Konteks Model bertindak sebagai perantara yang mengekspos alat diagnostik dan templat perintah ke agen AI. Di agen CLI untuk AKS, server MCP menyediakan akses terstruktur ke kubernetes dan sumber daya Azure. Agen kemudian dapat menjalankan perintah seperti kubectl describe dan az aks show atau bahkan menyebarkan pod debug. Server ini juga membantu menstandarkan bagaimana alat dipanggil dan bagaimana data dikembalikan, yang memudahkan untuk menskalakan kemampuan agen di seluruh lingkungan.

Semua plugin hanya ditarik. Alat ini memungkinkan CLI agenik untuk AKS menarik data dari berbagai sumber atau menggunakan runbook kustom yang disematkannya sebagai bagian dari permintaan LLM untuk meningkatkan kemampuan diagnostiknya. Satu-satunya aliran data keluar adalah ke model AI yang Anda sambungkan ke CLI agenik untuk AKS.

Ketika Anda menggunakan CLI agenik untuk AKS dengan plugin, beberapa jenis masalah mungkin muncul yang dapat memengaruhi keandalan atau akurasi pengalaman pemecahan masalah.

Salah satu tantangan umum adalah pemanggilan alat yang salah karena prompt yang salah dikonfigurasi. Plugin sering mengandalkan templat yang diminta untuk memandu penalaran AI dan pemilihan alat. Bahkan kesalahan kecil dalam logika atau struktur yang diminta dapat menyebabkan alat yang salah dipicu atau alat yang tepat digunakan dalam konteks yang salah. Hasilnya mungkin mendiagnosis yang menyesatkan atau investigasi yang tidak lengkap.

Risiko lain adalah pembuatan output yang dibuat atau salah, terutama ketika plugin mengembalikan data yang tidak lengkap, usang, atau ambigu. Dalam kasus seperti itu, AI mungkin mencoba "mengisi celah" dengan penjelasan yang terdengar masuk akal tetapi salah. Kesalahan juga dapat terjadi ketika telemetri hilang atau ketika plugin digunakan dalam konfigurasi kluster yang tidak didukungnya. Misalnya, kluster privat mungkin tidak memiliki akses ke API atau alat tertentu.

Untuk mengurangi risiko ini, CLI dengan manajemen agen untuk AKS mencakup perlindungan yang beragam. Pengelogan verbose dan pelaporan kesalahan dapat membantu Anda melacak dengan tepat alat apa yang dipanggil, data apa yang dikembalikan, dan bagaimana AI menafsirkannya. Laporan memudahkan untuk menemukan dan memperbaiki masalah. Anda juga dapat mengambil alih atau menonaktifkan plugin tertentu secara manual jika Anda menduga plugin tersebut menyebabkan masalah atau mengembalikan data yang tidak dapat diandalkan.

Terakhir, dokumentasi yang jelas dan dukungan komunitas sangat penting untuk pengembangan dan pemeliharaan plugin. Plugin yang didokumenkan dengan baik dengan contoh, catatan kompatibilitas versi, dan batasan yang diketahui membantu Anda memahami cara menggunakannya secara bertanggung jawab dan berkontribusi peningkatan saat diperlukan. Menggunakan model LLM/penalaran generasi terbaru dari penyedia AI terkemuka juga mengurangi risiko informasi yang salah.

Konten terkait

• Untuk gambaran umum CLI agenik untuk AKS, lihat Tentang CLI agenik untuk AKS.
• Untuk membantu Anda mengatasi masalah umum saat menggunakan CLI agenik untuk AKS, lihat panduan pemecahan masalah Agentic CLI for AKS.