AKS için aracı cli hakkında sık sorulan sorular

Bu makalede, Azure Kubernetes Service (AKS) için aracı CLI hakkında en yaygın soruların bazılarına yanıtlar sağlanmaktadır.

AKS için etken CLI nedir?

AKS için aracılı CLI, AKS kullanıcılarının küme sorunlarını verimli bir şekilde gidermesine yardımcı olmak için tasarlanmış yapay zeka destekli bir komut satırı aracıdır. Telemetri sinyallerini (günlükler, ölçümler, olaylar) analiz eder, bunları altyapı ve iş yükleri arasında ilişkilendirir ve eyleme dönüştürülebilir içgörüler sağlar. Aracı giriş olarak doğal dil sorgularını alır ve tanılama özetleri, kök neden analizleri ve düzeltme önerileri döndürür. Aracı CLI yapay zeka modellerini içermez, bu nedenle aracının çalışması için kendi büyük dil modeli (LLM) API anahtarlarınızı sağlamanız gerekir.

AKS için aracı özelliklere sahip CLI neler yapabilir?

AKS için aracılı CLI, doğal dil sorgularını yorumlayan, tanılama komutlarını çalıştıran ve eyleme dönüştürülebilir içgörüler döndüren yerel bir yardımcı görevi görür. AKS yerel araçları ve Kubernetes olayları, günlükler, Inspektor Gadget, Azure ve AKS API'leri gibi telemetri kaynaklarıyla sorunsuz bir şekilde entegre edilir. Her biri az aks agentiçinde yerel olarak araç kümeleri olarak etkinleştirilir.

Aracı, kullanıcıların izinlerini Azure CLI'dan devraldığı için Azure rol tabanlı erişim denetimine (RBAC) ve kimlik denetimlerine saygı gösterir. Varsayılan olarak salt okunur modda çalışır. Yapay zeka sağlayıcınızı (örneğin, OpenAI, Azure OpenAI ve Antropik) ve modeli yapılandırabilirsiniz. Aracıyı araç takımı çıktılarını almak için de yapılandırabilirsiniz.

çıkışları az aks agent şunlardır:

  • Kullanıcı sorgusuna yapay zeka ile sentezlenmiş bir özet yanıtı.
  • Destekleyici kanıtlarla kök neden analizi.
  • AKS en iyi yöntemlerine göre uyarlanmış düzeltme önerileri.
  • Tanılama izlemeleri ve araç çıktıları.

AKS için aracı CLI'nin amaçlanan kullanımları nelerdir?

AKS için Agentic CLI'nin planlanan kullanımları şunlardır:

  • Sorunları verimli bir şekilde algılamak, tanımlamak ve çözmek için AKS kümelerinizde insan katılımlı etkileşimler.
  • Kubernetes ve AKS API'leriyle salt okunur etkileşimler. Kaynak bilgilerini alabilir, AKS kümesi kaynaklarının durumunu anlayabilir ve genel Kubernetes ve AKS en iyi yöntemlerini izleyebilirsiniz.

AKS için aracılı CLI, AKS etkileşimlerinin kapsamı dışında genel bir kodlama veya yapay zeka aracısı olarak kullanılmamalıdır. Genel soruları yanıtlamak için İnternet'e erişemez.

AKS için aracılı CLI, AKS'ye özgü senaryolar için iyileştirilmiştir. Kubectl, Azure CLI, Inspektor Gadget ve Azure İzleyici gibi araçlarla tümleştirilir, ancak hatalar yapabilir. Aracı bazen ince sinyalleri kaçırabilir, gürültülü telemetriyi yanlış yorumlayabilir veya insan doğrulaması gerektiren azaltmalar önerebilir. Örneğin, asıl neden yanlış yapılandırılmış bir üst DNS sunucusu olduğunda, bir Etki Alanı Adı Sistemi (DNS) hatasını bir ağ ilkesine yanlış şekilde atfedebilir. Bu senaryo özellikle telemetri eksikse veya izinler kısıtlanmışsa oluşabilir.

Otomasyon yanlılığını önlemek için ajanın çıktısını son karar olarak değil, yararlı bir başlangıç noktası olarak değerlendirmelisiniz. Olası nedenleri belirlemede ve soruşturmaya rehberlik etmede uzmandır, ancak insan gözetimi esastır. Karmaşık veya yüksek riskli ortamlarda insan incelemesi gereklidir.

Yapay zeka modellerine gelince, GPT4o veya GPTo3 gibi Azure OpenAI ile dağıtılan bir model kullanmanızı öneririz. Ayrıca doğrudan OpenAI API platformundan da kullanabilirsiniz. Antropik ve İkizler gibi Open API belirtimleri tarafından desteklenen herhangi bir LLM model sağlayıcısını kullanabilirsiniz.

AKS için etmen tabanlı CLI nasıl değerlendirildi? Performansı ölçmek için hangi ölçüler kullanılır?

AKS için aracı CLI, tanılama özelliklerinin doğru, ilgili ve anlamlı olmasını sağlamak için tasarlanmış iç test ve programlı değerlendirmelerin bir birleşimiyle değerlendirilir.

Programlı değerlendirmeler için, gerçeklikle uyumluluk, UPIA ve XPIA yetki aşımı, zararlı içerik ve konuşma kalitesi (tutarlılık ve akıcılık gibi) gibi standart sorumlu yapay zeka ölçümlerini ölçtük.

Bu testler, akıl yürütme, araç tümleştirmesi ve istem yürütmedeki boşlukları belirlememize yardımcı olur. Başarı için temel ölçüt, ajanın tanısının doğruluğu ve önerilerinin uygunluğudur. Temsilci kök nedeni doğru şekilde tanımladı ve eyleme dönüştürülebilir, bağlama duyarlı hafifletmeler önerdi mi?

Aracının davranışını çeşitli durumlarda titizlikle test etmek için iç hata avları ve kırmızı takım analizleri gerçekleştiriyoruz. Düğüm sağlık bozulması, DNS hataları, yükseltme kesintileri ve pod zamanlama sorunlarını denetleriz.

Aracılı yapay zeka etkileşimlerinin dinamik doğasının farkındayız ve önizleme kapsamında geri bildiriminizi bekliyoruz. Geri bildiriminizi doğrudan aksagentcli@service.microsoft.com adresinden bizimle paylaşabilirsiniz. GitHub sorununu da açabilirsiniz.

AKS için aracı CLI'nin sınırlamaları nelerdir? Sistemi kullanırken bu sınırlamaların etkisini nasıl en aza indirebilirim?

AKS için ajan tabanlı CLI, güçlüdür ve AKS kümelerinde sorunları tanılamak ve çözmek üzere özel olarak tasarlanmıştır. Etkili ve sorumlu kullanımı sağlamak için bilmeniz gereken birkaç önemli sınırlama vardır:

  • Aracının verilere erişme ve verileri analiz etme özelliği doğrudan izinlerinize ve telemetri kullanılabilirliğine bağlıdır. Yeterli erişim haklarına sahip değilseniz veya günlükler, ölçümler veya olaylar gibi telemetri kaynakları eksik veya eksikse, aracı doğru veya eksiksiz tanılama oluşturamayabilir.
  • Sistem, zaman serisi ölçümleri gibi büyük veri kümelerini işlerken belirteç sınırlarına tabidir. Bu sınırlamalar, karmaşık sorun giderme senaryolarında analizin derinliğini veya genişliği kısıtlayabilir.
  • Ajan CLI, geçerli MVP hâlinde, yönetilen Azure deneyimleri için sınırlı destek sunar. Azure İzleyici uyarıları tümleştirmesi gibi bazı iş akışları tam olarak desteklenmeyebilir.

Bu sınırlamaların etkisini en aza indirmek için birkaç proaktif adım uygulayabilirsiniz:

  • Azure İzleyici gibi gerekli tanılama araçlarının, aracının daha zengin telemetriye erişmesine ve daha kapsamlı tanılamalar gerçekleştirmesine yardımcı olacak şekilde düzgün yapılandırıldığından emin olun.
  • Azure Model Bağlam Protokolü (MCP) veya AKS MCP sunucularıyla kullanarak aracı CLI'nın özelliklerini genişletin. Daha fazla bilgi için bkz AKS MCP sunucusunu AKS için agentik CLI ile entegre etme.
  • Mümkün olan en iyi sonuçları elde etmek için GPT4o ve GPTo3 gibi en son nesil akıl yürütme veya genel amaçlı modelleri kullanın. AKS için etkileşimli CLI, yapay zeka modellerini içermez.

Aks için aracı CLI'nın etkin ve sorumlu kullanımına hangi operasyonel faktörler ve ayarlar izin verir?

AKS için aracıLı CLI'yi etkili ve sorumlu bir şekilde kullanmak için, çeşitli işlem ayarları önemli bir rol oynar. Aracı, varsayılan olarak salt okunur modda çalışacak şekilde tasarlanmıştır ve kümede değişiklik yapmadan güvenli tanılama sağlar. Hata ayıklama podlarını dağıtma veya düzeltme adımlarını yürütme gibi yazma işlemleri gerektiğinde, kullanıcı denetimini korumak ve istenmeyen etkileri en aza indirmek için açık kullanıcı onayı gerekir.

Aracı makinenizde yerel olarak çalışır ve kendi yapay zeka sağlayıcılarınızı kullanmanıza da olanak tanır. Bu nedenle kendi LLM API anahtarlarınızı yapılandırabilirsiniz. Bu kurulum, kuruluşunuzun onaylı yapay zeka sağlayıcılarını ve uç noktalarını getirebilmenizi sağlar. Tüm veri işleme, veri gizliliğini korumak ve kurumsal güvenlik standartlarıyla uyumlu hale getirmek için yerel olarak gerçekleşir.

Aracı, gereksinimlerinize bağlı olarak kısa özetler ve ayrıntılı tanılama çıkışları arasında geçiş yapmak için kullanabileceğiniz yapılandırılabilir ayrıntı ayarları da sunar. Bu esneklik, hem hızlı içgörülerin elde edilmesini hem de ajanların mantığı ve araçların uygulanmasına tam bir saydamlık sağlanmasını destekler.

Azure kimliği ve RBAC ile tümleştirme, aracının yalnızca görüntüleme yetkiniz olan kaynaklara erişmesini sağlar. Bu kısıtlama kurulumu basitleştirir ve güvenli erişim sınırlarını zorlar. Bu ayarlar birlikte AKS kümelerinde yapay zeka yardımıyla sorun gidermeye yönelik güvenli, gizlilik bilincine sahip ve kullanıcı denetimine sahip bir ortam oluşturur.

AKS için "agentic CLI" ile ilgili nasıl geri bildirimde bulunabilir veya yardım alabilirim?

Çeşitli kanallardan geri bildirim sağlayabilir veya AKS için aracı CLI ile ilgili yardım alabilirsiniz:

  • GitHub, aracılı CLI deposundaki sorunları ve çekme isteklerini giderir.
  • Önizleme aşamasındaki iç kanallar.
  • Azure destek biletleri veya AKS ürün ekibiyle doğrudan etkileşim.

Eklentiler nedir ve AKS için aracı CLI bunları nasıl kullanır?

AKS için Agent CLI bağlamında, eklentiler dış araçları, veri kaynaklarını ve etki alanına özgü mantığı tümleştirerek ajanın tanılama özelliklerini geliştiren modüler uzantılardır ve sorun giderme iş akışlarına entegre ederler. Bu eklentiler, aracının statik komut yürütmenin ötesine geçmesini ve dinamik, senaryoya duyarlı akıl yürütmeyi içermesini sağlar. Aracı aşağıdaki eklenti türlerini destekler:

  • Araç takımı tümleştirmeleri: Prometheus, Datadog ve Azure İzleyici gibi gözlemlenebilirlik platformlarına bağlanan araç setleriyle aracının özelliklerini genişletebilirsiniz. Bu araç kümeleri, aracının gerçek zamanlı olarak sorgulayıp çözümleyebilecekleri ölçümleri, günlükleri ve uyarıları kullanıma sunar. Örneğin Prometheus araç takımı, aracının başarısız olan bir pod için CPU ve bellek kullanım eğilimlerini getirmesine izin verebilir. Azure İzleyici tümleştirmesi, düğüm durumu sorunuyla ilgili son uyarıları veya etkinlik günlüklerini ortaya çıkarabiliyordu.
  • MCP sunucuları: Model Bağlam Protokolü sunucuları, tanılama araçlarını kullanıma sunan ve şablonları yapay zeka aracılarına soran aracılar olarak çalışır. AKS için CLI aracısında, MCP sunucuları Kubernetes ve Azure kaynaklarına yapılandırılmış erişim sağlar. Aracı daha sonra kubectl describe ve az aks show gibi komutları çalıştırabilir veya hatta hata ayıklama podları dağıtabilir. Bu sunucular ayrıca araçların çağrılma şeklini ve verilerin nasıl döndürülmesini standartlaştırmaya yardımcı olur ve bu da aracının özelliklerini ortamlar arasında ölçeklendirmeyi kolaylaştırır.

AKS için aracı CLI eklentilere hangi verileri sağlayabilir? Eklentiler hangi izinlere sahiptir?

Tüm eklentiler yalnızca veri çeker. Araçlar, AKS için ajan CLI'nın çeşitli kaynaklardan veri çekmesine veya LLM istemlerinin bir parçası olarak yerleştirdiği özel runbook'ları kullanarak tanılama özelliklerini geliştirmesine olanak sağlar. Dışarı doğru tek veri akışı, AKS için aracı CLI'ya bağladığınız yapay zeka modellerine yöneliktir.

Eklentilerle etkinleştirilmiş AKS için aracı CLI'yi kullandığımda ne tür sorunlar ortaya çıkabilir?

AKS için aracı CLI'yı eklentilerle kullandığınızda, sorun giderme deneyiminin güvenilirliğini veya doğruluğunu etkileyebilecek çeşitli sorun türleri ortaya çıkabilir.

Yaygın bir zorluk, yanlış yapılandırılmış istemler nedeniyle araçların yanlış çağrılmasıdır. Eklentiler genellikle yapay zekanın mantığına ve araç seçimine yol göstermek için istem şablonlarına güvenir. İstem mantığı veya yapısındaki küçük hatalar bile yanlış araçların tetiklenmesini veya yanlış bağlamda doğru araçların kullanılmasına neden olabilir. Sonuç yanıltıcı tanılamalar veya eksik araştırmalar olabilir.

Bir diğer risk, özellikle eklentiler eksik, güncelliğini yitirmiş veya belirsiz veriler döndürdüğünde, yanlış veya hatalı çıktılar üretilmesidir. Bu gibi durumlarda, yapay zeka "boşlukları doldurmayı" mantıklı ancak yanlış açıklamalarla deneyebilir. Telemetri eksik olduğunda veya eklenti desteklemediği bir küme yapılandırmasında kullanıldığında da hatalar oluşabilir. Örneğin, özel kümenin belirli API'lere veya araçlara erişimi olmayabilir.

Bu riskleri azaltmak için AKS için aracı CLI çeşitli korumalar içerir. Ayrıntılı günlüğe kaydetme ve hata raporlama, tam olarak hangi araçların çağrıldığı, hangi verilerin döndürüldükleri ve yapay zekanın bunu nasıl yorumlandığını izlemenize yardımcı olabilir. Raporlar sorunları belirlemeyi ve düzeltmeyi kolaylaştırır. Ayrıca, belirli eklentilerin sorunlara neden olduğundan veya güvenilir olmayan veriler döndürdiklerinden şüpheleniyorsanız, bu eklentileri el ile geçersiz kılabilir veya devre dışı bırakabilirsiniz.

Son olarak, eklenti geliştirme ve bakım için net belgeler ve topluluk desteği gereklidir. Örnekler, sürüm uyumluluk notları ve bilinen sınırlamalar içeren iyi belgelenmiş eklentiler, bunları sorumlu bir şekilde nasıl kullanacağınızı anlamanıza ve gerektiğinde iyileştirmelere katkıda bulunmanıza yardımcı olur. Önde gelen yapay zeka sağlayıcılarının en son nesil LLM/reasoning modellerini kullanmak da yanlış bilgi riskini azaltır.

İlgili içerik

  • Son güncelleştirme: