Microsoft 환경에 대한 에이전트 DevOps 정의
Tip
자세한 내용은 텍스트 및 이미지 탭을 참조하세요.
숙련된 DevOps 엔지니어는 사람의 개입 없이 실행되는 자동화를 구축했습니다. 파이프라인은 푸시 시 트리거하고, 스크립트는 일정에 따라 자격 증명을 회전하고, 정책은 컨트롤 플레인에서 비준수 리소스를 차단합니다. 이는 결정적입니다. 동일한 입력을 감안할 때 매번 동일한 출력을 생성합니다.
에이전트 능력은 다릅니다. 고정 스크립트를 실행하지 않습니다. 목표에 대해 추론하고, 여러 원본에서 컨텍스트를 수집하고, 사용할 도구를 결정하고, 일련의 작업을 수행하여 관찰한 내용에 따라 다음 단계를 조정합니다. 이러한 추론 루프는 에이전트를 자동화와 구별합니다.
기능의 자기 주도성을 이해하기
AI 측면에서 에이전트는 환경, 목표에 대한 이유, 도구를 선택 및 호출하고 결과에 따라 접근 방식을 조정하는 시스템입니다. DevOps에 적용하면 에이전트가 단일 명령에만 응답하지 않습니다. "이 워크로드에 대한 Bicep 템플릿 생성 및 정책 기준에서 유효성 검사"와 같은 목표를 수락한 다음, 해당 목표를 하위 작업으로 분할하고, 리포지토리를 쿼리하고, Bicep 도구를 호출하고, Azure Policy 준수 데이터를 확인하고, 즉시 검토할 수 있는 템플릿을 반환할 수 있습니다.
세 가지 속성은 기존 자동화와 간단한 AI 챗봇의 에이전트 기능을 구분합니다.
- 목표 방향 - 에이전트는 고정된 명령 시퀀스가 아닌 목표를 향해 작동합니다.
- 도구 호출 - 에이전트는 외부 도구, API 또는 서비스를 호출하여 정보를 수집하고 작업을 수행합니다.
- 관찰 이유 작업 루프 - 에이전트는 중간 결과를 평가하고 그에 따라 계획을 조정합니다.
기존 DevOps 자동화에는 목표 방향(파이프라인의 대상 상태 포함)과 도구 호출이 있지만 적응 추론 루프가 없습니다. Bash 스크립트는 첫 번째 명령이 다른 전략을 선택하지 못한 것을 관찰하지 않습니다. 에이전트는 그렇게 합니다.
Microsoft 플랫폼 스펙트럼에 에이전트 DevOps 배치
Microsoft 몇 년 동안 도구 체인 전반에 걸쳐 증분 에이전트 기능을 구축해 왔습니다. 코드 완성 도구에서 채팅 도우미로 이동한 GitHub Copilot 진행률이 가장 명확합니다. 그런 다음 에이전트 모드로 발전했으며 이제는 편집기에 머물지 않고 할당된 작업을 수행하고 끌어오기 요청을 열고 피드백을 반복할 수 있는 클라우드 기반 코딩 에이전트가 되었습니다.
플랫폼 간에 비슷한 진행이 나타납니다.
| 기능 패밀리 | 에이전트처럼 주체적으로 행동하는 방식 |
|---|---|
| GitHub Copilot(채팅 및 인라인) | 프롬프트에 응답합니다. 코드를 제안하고, 오류를 설명하고, 설명서를 생성합니다. 단일 턴 또는 짧은 멀티 턴. |
| GitHub Copilot 에이전트 모드 | 전체 코드베이스 컨텍스트를 읽고, 다단계 작업을 실행하고, 도구(터미널, 파일 시스템, 테스트)를 호출하고, 반복합니다. 도구를 사용하는 멀티 턴. |
| GitHub Copilot 코딩 에이전트(클라우드) | 백로그에서 할당된 문제를 수신하고, 끌어오기 요청을 생성한 후 검토 의견을 반영하여 반복합니다. 비동기 방식, 리포지토리 범위로 한정된. |
| Azure Copilot 에이전트 | Azure 워크로드의 배포, 마이그레이션, 관찰 가능성, 최적화, 복원력 및 문제 해결을 위한 Azure 포털의 특수 에이전트입니다. |
| Azure DevOps AI 기능 | AI 지원 작업 항목 요약, 끌어오기 요청 설명, 파이프라인 작성 제안 및 Boards 콘텐츠 생성은 매일 워크플로 화면에 통합됩니다. |
| MCP 사용 도구 | 모델 컨텍스트 프로토콜을 통해 위에서 언급된 항목들에 대한 확장 기능입니다. 사용자가 지정한 범위 내에서 에이전트가 추가 도구(Azure CLI, ADO 프로젝트 컨텍스트, Bicep 분석기)에 액세스할 수 있도록 합니다. |
이러한 제품을 격리된 방식으로 배울 수 있는 별도의 제품으로 취급하기보다는 자율성 스펙트럼에서 다른 지점으로 생각하세요. 경험 수준에 따라 처음에는 격리된 도구들을 사용하여 결합된 도구 집합으로 발전할 수 있습니다.
기존 자동화와 에이전트 기능 구분
이렇게 생각할 수도 있습니다: “이미 인프라를 배포하는 파이프라인, 드리프트를 확인하는 스크립트, 그리고 알림에 대응하는 런북이 있다.” 어떻게 다른가요?"
주요 차이점은 컨텍스트 및 적응형 의사 결정의 폭입니다. 기존 자동화는 사용자가 알고 있다고 말한 내용을 알고, 수행하라고 말한 작업을 수행하며, 예기치 않은 상태에 도달하면 중지하거나 실패합니다. 에이전트는 다음을 수행할 수 있습니다.
- 여러 비정형 원본(끌어오기 요청 설명, 실패한 테스트 로그, 원격 분석 모니터링, 설명서)에서 컨텍스트를 수집하고 일관된 작업 계획으로 합성합니다.
- 도구 선택을 하드 코딩하지 않고 사용 가능한 도구 집합에서 선택하여 필요한 항목을 수집합니다.
- 중간 결과에 응답합니다. 예를 들어 리소스 이름이 기존 배포와 충돌하는 중간 작업을 검색하고 자동으로 대안을 선택합니다.
이는 자동화를 대체하는 것이 아닙니다. 이는 운영 모델의 다른 계층입니다. 파이프라인이 흡수하도록 설계되지 않은 판단 집약적, 컨텍스트 전환 다중 소스 작업을 처리하는 작업입니다.
에이전트 DevOps를 운영 모델로 정의
에이전트 DevOps는 에이전트 기반 AI 기능을 DevOps 워크플로에 적용하는 기능으로, 이러한 기능은 다중 소스 추론이 필요한 작업을 처리하고, 기존 배달 프로세스에 적합한 구조적 결과를 생성하며, 사람이 정의한 경계 내에서 작동합니다.
목표는 루프에서 DevOps 엔지니어를 제거하는 것이 아닙니다. 그들이 루프에 참여하고 있는 이유를 변경하는 것입니다. 5개의 다른 로그 뷰를 검색하여 실패한 빌드를 수동으로 심사하는 대신 로그를 합성하고, 유사한 과거 실패를 상호 참조하고, 지원 증거를 통해 가능한 근본 원인을 표시하는 에이전트에 대한 실패를 설명합니다. 당신은 여전히 수정 결정을 내립니다. 검색에 소요하는 시간이 줄어듭니다.
정보 집약적인 기초 작업을 수행하는 AI와 결과적 결정을 내리는 인간을 구분하는 것은 이 모듈의 나머지 부분에 있는 모든 개념의 기초입니다.
메모
이 모듈에 설명된 기능은 Microsoft 플랫폼을 나타냅니다. 특정 기능 가용성은 계획, 지역 및 제품 릴리스 주기에 따라 달라질 수 있습니다. 프로덕션 워크플로를 디자인하기 전에 항상 공식 Microsoft 설명서에서 기능 상태를 확인합니다.