Interfejs wiersza polecenia agenta dla usługi AKS — często zadawane pytania

Ten artykuł zawiera odpowiedzi na niektóre z najczęściej zadawanych pytań dotyczących agentowego interfejsu wiersza polecenia dla usługi Azure Kubernetes Service (AKS).

Co to jest interfejs wiersza polecenia agenta dla usługi AKS?

Interfejs wiersza polecenia agenta dla AKS to narzędzie oparte na sztucznej inteligencji zaprojektowane, aby pomóc użytkownikom AKS w efektywnym rozwiązywaniu problemów z klastrami. Analizuje sygnały telemetryczne (dzienniki, metryki, zdarzenia), koreluje je między infrastrukturą i obciążeniami oraz udostępnia szczegółowe informacje umożliwiające podejmowanie działań. Agent przyjmuje zapytania języka naturalnego jako dane wejściowe i zwraca podsumowania diagnostyczne, analizy głównej przyczyny i sugestie korygowania. Interfejs wiersza polecenia agentowy nie zawiera modeli sztucznej inteligencji, dlatego musisz podać własne klucze interfejsu API dużego modelu językowego (LLM), aby agent działał.

Co może zrobić agentowy interfejs wiersza polecenia dla usługi AKS?

Agentyczny interfejs wiersza poleceń dla AKS działa jako lokalny asystent, który interpretuje zapytania w języku naturalnym, uruchamia polecenia diagnostyczne i zwraca praktyczne wnioski. Bezproblemowo integruje się z natywnymi narzędziami AKS i źródłami telemetrii, takimi jak zdarzenia Kubernetes, dzienniki, Inspektor Gadget, platforma Azure i interfejsy API AKS. Każdy z nich jest włączony jako zestawy narzędzi natywnie w systemie az aks agent.

Agent przestrzega kontroli dostępu opartej na rolach (RBAC) platformy Azure i kontroli tożsamości, ponieważ dziedziczy uprawnienia użytkowników z interfejsu wiersza polecenia platformy Azure. Domyślnie działa w trybie tylko do odczytu. Możesz skonfigurować dostawcę sztucznej inteligencji (na przykład OpenAI, Azure OpenAI i Anthropic) oraz model. Agent można również skonfigurować w celu wyprowadzenia danych wyjściowych zestawu narzędzi.

Dane wyjściowe obejmują:az aks agent

  • Syntetyzowana przez sztuczną inteligencję odpowiedź podsumowująca zapytanie użytkownika.
  • Analiza głównej przyczyny z dowodami pomocniczymi.
  • Zalecenia dotyczące poprawy dostosowane do najlepszych praktyk usługi AKS.
  • Ślady diagnostyczne i wyniki narzędzi.

Jakie są przeznaczenia interfejsu CLI agenta AKS?

Interfejs CLI agenta dla usługi AKS ma następujące przeznaczenie:

  • Interakcje człowieka w pętli z klastrami usługi AKS ułatwiają efektywne wykrywanie, diagnozowanie i rozwiązywanie problemów.
  • Interakcje tylko do odczytu z API Kubernetes i AKS. Możesz uzyskać informacje o zasobach, zrozumieć kondycję zasobów klastra usługi AKS i postępować zgodnie z ogólnymi najlepszymi rozwiązaniami dotyczącymi platformy Kubernetes i usługi AKS.

Interfejs wiersza poleceń działający autonomicznie dla AKS nie jest przeznaczony do użycia jako ogólne narzędzie do kodowania lub agent sztucznej inteligencji poza zakresem interakcji z AKS. Nie może uzyskać dostępu do Internetu, aby odpowiedzieć na ogólne pytania.

Interfejs wiersza polecenia agenta dla usługi AKS jest zoptymalizowany pod kątem scenariuszy specyficznych dla usługi AKS. Integruje się z narzędziami, takimi jak kubectl, interfejs wiersza polecenia platformy Azure, gadżet Inspektor i usługa Azure Monitor, ale może popełnić błędy. Agent może czasami przegapić subtelne sygnały, błędnie interpretować hałaśliwe dane telemetryczne lub sugerować środki zaradcze, które wymagają weryfikacji przez człowieka. Na przykład może błędnie przypisać awarię systemu nazw domen (DNS) polityce sieciowej, gdy rzeczywistą przyczyną jest błędnie skonfigurowany nadrzędny serwer DNS. Ten scenariusz może wystąpić szczególnie wtedy, gdy dane telemetryczne są niekompletne lub uprawnienia są ograniczone.

Aby uniknąć błędów automatyzacji, należy traktować dane wyjściowe agenta jako przydatny punkt wyjścia, a nie ostateczny werdykt. Osiąga doskonałość w ujawnianiu prawdopodobnych przyczyn i kierowaniu dochodzeniem, ale nadzór ludzki jest niezbędny. Kontrola człowieka jest niezbędna w złożonych lub o wysokiej stawce środowiskach.

Jeśli chodzi o modele sztucznej inteligencji, zalecamy użycie wdrożonego modelu usługi Azure OpenAI, takiego jak GPT4o lub GPTo3. Możesz również użyć jednego bezpośrednio z platformy API OpenAI. Możesz użyć dowolnego dostawcy modelu LLM obsługiwanego przez specyfikacje interfejsu OPEN API, takie jak Anthropic i Gemini.

Jak oceniano agentowy interfejs wiersza polecenia dla usługi AKS? Jakie metryki są używane do mierzenia wydajności?

Interfejs wiersza polecenia agenta dla usługi AKS jest oceniany za pomocą kombinacji wewnętrznych testów i ocen programistycznych zaprojektowanych w celu zapewnienia, że jego możliwości diagnostyczne są dokładne, istotne i znaczące.

W przypadku ocen programatycznych mierzyliśmy standardowe metryki odpowiedzialnej AI, takie jak osadzenie, testy jailbreaku UPIA i XPIA, szkodliwą zawartość oraz jakość konwersacji (np. spójność i płynność).

Te testy pomagają nam identyfikować luki w rozumowaniu, integracji narzędzi i wykonywaniu monitów. Podstawową metryką sukcesu jest dokładność diagnozy agenta i istotność jego zaleceń. Czy agent prawidłowo zidentyfikował główną przyczynę i zasugerował realizowalne, świadome kontekstu środki zaradcze?

Przeprowadzamy wewnętrzne testy debugowania i zespoły testów penetracji, aby dokładnie przetestować zachowanie agenta w różnych przypadkach. Sprawdzamy, czy występuje degradacja kondycji węzła, awarie DNS, zakłócenia aktualizacji i problemy ze schedulowaniem zasobników.

Zdajemy sobie sprawę z dynamicznego charakteru interakcji agentic-AI i zachęcamy do przesyłania opinii w ramach wersji zapoznawczej. Możesz się bezpośrednio podzielić opiniami z nami pod adresem aksagentcli@service.microsoft.com. Możesz również otworzyć problem z usługą GitHub.

Jakie są ograniczenia agentowego interfejsu wiersza polecenia dla usługi AKS? Jak zminimalizować wpływ tych ograniczeń podczas korzystania z systemu?

Interfejs wiersza polecenia agenta dla usługi AKS jest zaawansowany i przeznaczony do diagnozowania i rozwiązywania problemów w klastrach usługi AKS. Istnieje kilka ważnych ograniczeń, o których należy pamiętać, aby zapewnić skuteczne i odpowiedzialne wykorzystanie:

  • Możliwość dostępu i analizowania danych przez agenta zależy bezpośrednio od Twoich uprawnień i dostępności telemetrii. Jeśli brakuje wystarczających praw dostępu lub jeśli brakuje źródeł danych telemetrycznych, takich jak dzienniki, metryki lub zdarzenia, agent może nie być w stanie wygenerować dokładnej lub kompletnej diagnostyki.
  • System podlega limitom tokenów podczas przetwarzania dużych zestawów danych, takich jak metryki szeregów czasowych. Te ograniczenia mogą ograniczać głębokość lub szerokość analizy w złożonych scenariuszach rozwiązywania problemów.
  • W bieżącym stanie MVP interfejs wiersza polecenia agenta oferuje ograniczoną obsługę zarządzanych środowisk platformy Azure. Niektóre przepływy pracy, takie jak integracja alertów usługi Azure Monitor, mogą nie być w pełni obsługiwane.

Aby zminimalizować efekt tych ograniczeń, możesz wykonać kilka proaktywnych kroków:

  • Upewnij się, że wymagane narzędzia diagnostyczne, takie jak Usługa Azure Monitor, są prawidłowo skonfigurowane, aby ułatwić agentowi uzyskiwanie dostępu do bogatszych danych telemetrycznych i wykonywanie bardziej kompleksowej diagnostyki.
  • Rozszerz możliwości agentowego interfejsu wiersza polecenia, używając go z serwerami MCP (Azure Model Context Protocol) lub AKS MCP. Aby uzyskać więcej informacji, zobacz Integracja serwera MCP AKS z agentem CLI dla AKS.
  • Użyj modeli rozumowania najnowszej generacji lub ogólnego przeznaczenia, takich jak GPT4o i GPTo3, aby zapewnić najlepsze możliwe wyniki. Interfejs wiersza polecenia agenta dla usługi AKS nie zawiera wbudowanych modeli sztucznej inteligencji.

Jakie czynniki operacyjne i ustawienia umożliwiają efektywne i odpowiedzialne korzystanie z agentycznego interfejsu wiersza polecenia (CLI) dla usługi AKS?

Aby efektywnie i odpowiedzialnie korzystać z agentowego interfejsu wiersza polecenia dla usługi AKS, kluczową rolę odgrywa kilka ustawień operacyjnych. Agent jest przeznaczony do działania w trybie tylko do odczytu domyślnie, co zapewnia bezpieczną diagnostykę bez wprowadzania zmian w klastrze. Gdy potrzebne są operacje zapisu, takie jak wdrażanie zasobników debugowania lub wykonywanie kroków korygowania, wymagają jawnego zatwierdzenia użytkownika w celu zachowania kontroli użytkownika i zminimalizowania niezamierzonych efektów.

Agent działa lokalnie na Twojej maszynie i obsługuje również zewnętrznych dostawców sztucznej inteligencji według Twojego wyboru. Z tego powodu możesz skonfigurować własne klucze interfejsu API LLM. Ta konfiguracja umożliwia wykorzystanie zatwierdzonych dostawców sztucznej inteligencji i punktów końcowych w organizacji. Wszystkie przetwarzanie danych odbywa się lokalnie, aby zachować prywatność danych i dostosować je do standardów zabezpieczeń przedsiębiorstwa.

Agent oferuje również konfigurowalne ustawienia szczegółowości, których można użyć do przełączania się między zwięzłymi podsumowaniami i szczegółowymi danymi wyjściowymi diagnostycznymi w zależności od potrzeb. Ta elastyczność umożliwia zbieranie zarówno szybkich szczegółowych informacji, jak i pełnej przejrzystości w zakresie rozumowania i wykonywania narzędzi agenta.

Integracja z tożsamością platformy Azure i kontrolą dostępu opartą na rolach dodatkowo gwarantuje, że agent uzyskuje dostęp tylko do zasobów, do których jesteś uprawniony do dostępu. To ograniczenie upraszcza konfigurowanie i wymusza bezpieczne granice dostępu. Razem te ustawienia tworzą bezpieczne, świadome prywatności i kontrolowane przez użytkownika środowisko do rozwiązywania problemów z klastrami AKS z pomocą sztucznej inteligencji.

Jak mogę przekazać informacje zwrotne lub uzyskać pomoc dotyczącą agentycznego interfejsu wiersza polecenia dla AKS?

Możesz przekazać opinię lub uzyskać pomoc dotyczącą interfejsu wiersza polecenia agenta dla usługi AKS za pośrednictwem kilku kanałów:

  • Problemy z usługą GitHub i żądania ściągnięcia w repozytorium interfejsu wiersza polecenia agenta.
  • Kanały wewnętrzne na etapie podglądu.
  • Zgłoszenia do wsparcia technicznego Azure lub bezpośredni kontakt z zespołem produktu AKS.

Co to są wtyczki i jak interfejs wiersza polecenia typu agent dla usługi AKS z nich korzysta?

W kontekście interfejsu wiersza polecenia agenta dla usługi AKS wtyczki to modułowe rozszerzenia, które zwiększają możliwości diagnostyczne agenta, integrując zewnętrzne narzędzia, źródła danych i logikę specyficzną dla domeny w przepływach pracy rozwiązywania problemów. Te wtyczki umożliwiają agentowi wykraczanie poza statyczne wykonywanie poleceń i uwzględnianie dynamicznych, świadomych scenariuszy rozumowania. Agent obsługuje następujące typy wtyczek:

  • Integracje zestawu narzędzi: możesz rozszerzyć możliwości agenta za pomocą zestawów narzędzi łączących się z platformami do obserwacji, takimi jak Prometheus, Datadog i Azure Monitor. Te zestawy narzędzi udostępniają metryki, dzienniki i alerty, które agent może wykonywać zapytania i analizować w czasie rzeczywistym. Na przykład zestaw narzędzi Prometheus może umożliwić agentowi pozyskanie trendów użycia procesora i pamięci dla niedziałającego zasobnika. Integracja z usługą Azure Monitor może wyświetlać najnowsze alerty lub dzienniki aktywności związane z problemem z kondycją węzła.
  • Serwery MCP: Serwery Model Context Protocol działają jako pośrednicy, którzy uwidaczniają narzędzia diagnostyczne i szablony prompt dla agentów sztucznej inteligencji. W agencie wiersza polecenia AKS serwery MCP zapewniają ustrukturyzowany dostęp do zasobów Kubernetes i Azure. Agent może następnie uruchamiać polecenia, takie jak kubectl describe i az aks show lub nawet wdrażać zasobniki debugowania. Te serwery ułatwiają również standaryzację sposobu wywoływania narzędzi i sposobu zwracania danych, co ułatwia skalowanie możliwości agenta w różnych środowiskach.

Jakie dane może udostępniać agentowy interfejs wiersza polecenia dla usługi AKS wtyczkom? Jakie uprawnienia mają wtyczki?

Wszystkie wtyczki są ściągane tylko. Narzędzia umożliwiają agentycznemu CLI dla AKS ściąganie danych z różnych źródeł lub używanie niestandardowych Runbooków wbudowanych w ramach monitów LLM w celu zwiększenia możliwości diagnostycznych. Jedynym zewnętrznym przepływem danych jest ten do modeli sztucznej inteligencji, które łączysz z agentowym interfejsem wiersza polecenia dla usługi AKS.

Jakie rodzaje problemów mogą wystąpić, gdy używam agentowego interfejsu wiersza polecenia dla AKS z włączonymi wtyczkami?

W przypadku korzystania z agentowego interfejsu wiersza polecenia dla usługi AKS z wtyczkami mogą wystąpić różne typy problemów, które mogą wpływać na niezawodność lub dokładność procesu rozwiązywania problemów.

Jednym z typowych wyzwań jest nieprawidłowe wywołanie narzędzi z powodu błędnie skonfigurowanych monitów. Wtyczki często korzystają z szablonów monitów, aby kierować rozumowaniem i wyborem narzędzi sztucznej inteligencji. Nawet małe błędy w logice lub strukturze monitów mogą prowadzić do wyzwalania nieprawidłowych narzędzi lub odpowiednich narzędzi używanych w niewłaściwym kontekście. Wynikiem może być myląca diagnostyka lub niekompletne badania.

Kolejnym ryzykiem jest generowanie sfabrykowanych lub nieprawidłowych wyników, zwłaszcza gdy wtyczki zwracają niekompletne, nieaktualne lub niejednoznaczne dane. W takich przypadkach sztuczna inteligencja może próbować "wypełnić luki" wiarygodnie brzmiącymi, ale niepoprawnymi wyjaśnieniami. Błędy mogą również wystąpić, gdy brakuje danych telemetrycznych lub gdy wtyczka jest używana w konfiguracji klastra, której nie obsługuje. Na przykład klaster prywatny może nie mieć dostępu do niektórych interfejsów API lub narzędzi.

Aby złagodzić te zagrożenia, agentowy interfejs wiersza polecenia (CLI) dla usługi AKS obejmuje kilka zabezpieczeń. Pełne rejestrowanie i raportowanie błędów może ułatwić śledzenie dokładnie wywoływanych narzędzi, zwracanych danych i interpretowania ich przez sztuczną inteligencję. Raporty ułatwiają dostrzeganie i rozwiązywanie problemów. Możesz również ręcznie przesłonić lub wyłączyć określone wtyczki, jeśli podejrzewasz, że powodują problemy lub zwracają niewiarygodne dane.

Na koniec jasna dokumentacja i pomoc techniczna społeczności są niezbędne do tworzenia i konserwacji wtyczek. Dobrze udokumentowane wtyczki z przykładami, uwagami dotyczącymi zgodności wersji i znanymi ograniczeniami pomagają zrozumieć, jak korzystać z nich w odpowiedzialny sposób i w razie potrzeby współtworzyć ulepszenia. Korzystanie z najnowszej generacji modeli LLM/rozumowania od wiodących dostawców sztucznej inteligencji zmniejsza również ryzyko nieprawidłowych informacji.

Treści powiązane

  • Last updated on