Python 工具能將 Azure SRE 代理程式擴展至原生 Azure 功能之外。 建立可連接內部 API、本地資料庫、多雲平台及專有系統的客製化工具，使用 Python 程式碼。 用淺顯的英文描述你需要什麼，貼上現有腳本，或封裝 HTTP 端點，然後測試並部署，無需重啟。
小提示
- 擴展你的代理程式，以覆蓋它沒有內建支援的系統。
- 連接內部 API、本地資料庫及多雲平台。
- 編碼自訂商業邏輯（SLA 計算、成本模型、合規規則）。
問題
您的代理內建強大的 Azure 工具，包括 Kusto 查詢、Azure Monitor 和 ARM 操作。 但你的組織並非完全存在於 Azure：
- 內部系統：CMDB 資料庫、自訂工單系統，以及只有你組織使用的內部 API。
- 多雲：Datadog 儀表板、Splunk 記錄和 AWS CloudWatch 指標，與 Azure 一併顯示。
- 舊有基礎設施：本地資料庫、專有協定，以及沒有現代 API 的系統。
- 自訂業務邏輯：針對合約的 SLA 計算、成本分配公式及產能規劃模型。
代理程式可以診斷 Azure 的問題，但除非你擴展它，否則它無法進入你的內部系統或套用你組織獨特的邏輯。
Python 工具的運作方式
Python 工具讓你能教代理新能力。 描述你需要什麼，產生程式碼，測試並部署。 你的代理人員就能存取系統並套用以前無法實現的邏輯。
產生的程式碼遵循一致的模式：
- 一個
main()接受具特定型別參數的函數。 - 可被 JSON 序列化的回傳值。
- 描述性註釋說明其邏輯。
在建立工具之前，先用實際輸入在 Playground 中測試。 輸入參數值，選擇 Test，就能看到實際結果，而不只是語法驗證。
測試完工具後，選擇 建立工具。 你的代理程式可以立即使用，無需重啟，也不需要部署管線。
Python 工具與 MCP 連接器的比較
對於第三方平台，你有兩個選擇。
| 方法 | 最適合用於 | Examples |
|---|---|---|
| MCP 連接器 | 具備標準 API 的熱門平台 | Datadog、Splunk、ServiceNow、GitHub |
| Python 工具 | 內部系統、自訂邏輯、無 MCP 的平台 | 你的 CMDB、專有 API、自訂計算 |
當平台已有連接器時，請使用MCP連接器。 MCP 提供結構化結構、認證管理及一致行為。
當你需要連接內部系統、編寫自訂商業邏輯，或連接不支援 MCP 的平台時，使用 Python 工具。
這點有什麼不同
下表比較了代理程式在使用 Python 工具時與否的能力。
| 沒有 Python 工具 | 使用 Python 工具 |
|---|---|
| 代理程式只能使用內建功能 | 代理程式可存取任何 Python 能呼叫的系統 |
| 內部 API 需要獨立的工作流程 | 內部系統成為代理工具 |
| 自訂邏輯存在於外部腳本中 | 業務規則在客服人員對話中執行 |
| 本地系統與代理程式斷開連接 | 混合環境完全無障礙 |
Python 工具能將你的代理從 Azure 原生助理轉變為可擴充的平台，能與整個基礎架構相連。
前後比較
| 之前 | 之後 |
|---|---|
| 「我們的CMDB在本地，客服人員看不到。」 | Python 工具透過網路存取查詢內部系統 |
| 「我們有尚未有人自動化的獨特SLA公式」 | 將你的公式編碼為工具;代理人會自動套用 |
| 「合規報告需要特定的 PDF 格式」 | 使用 ReportLab 生成並透過代理程式提供報告 |
先決條件
- Builder 可存取 Azure SRE Agent。
- 對於 HTTP 端點：目標系統的 URL 與認證憑證。
建立一個 Python 工具
你可以用三種方法來建立 Python 工具。
| 方法 | 你提供 | 代理人執行 | 最適合用於 |
|---|---|---|---|
| 請用淺顯的英文描述 | 「計算運作時間與停機時間的SLA」 | 產生完整的 Python 程式碼 | 快速自訂邏輯，完全不需要寫程式 |
| 貼上現有程式碼 | 你的 Python 函式 | 將它包裝成工具 | 遷移現有腳本，複雜邏輯 |
| 呼叫 HTTP 端點 | 端點網址與認證 | 透過 HTTP 呼叫你的 API | Azure Functions，Lambda，內部 API，webhooks |
選項一：讓 AI 來寫程式碼
在對話框中描述你需要什麼，然後選擇 產生。 AI 會建立一個可運作的 Python 函式，具備型別參數、錯誤處理和文件串功能。
你描述了： 「計算 SLA 合規率，計算運作時間與停機分鐘數，回傳是否達到 99.9% 門檻」
代理生成： 一個 main() 完整的函數，準備好進行測試與部署。
選項二：自備代碼
把現有的 Python 貼到 程式碼 分頁。函數必須遵循以下模式：
def main(param1: str, param2: int) -> dict:
# Your logic here
return {"result": "value"}
選項三：呼叫 HTTP 端點
將任何 HTTP 端點（Azure Functions、AWS Lambda、內部 API 或 webhooks）包裝成 Python 工具：
def main(input_data: str) -> dict:
import requests
# Azure Function with function key
response = requests.post(
"https://<FUNCTION_APP_NAME>.azurewebsites.net/api/<ENDPOINT>?code=<FUNCTION_KEY>",
json={"data": input_data}
)
# Or internal API with bearer token
# response = requests.get(
# "https://internal-api.corp/resource",
# headers={"Authorization": "Bearer <API_TOKEN>"}
# )
return response.json()
備註
Python 工具有外撥網路存取權。 你可以呼叫任何網路允許的 HTTP 端點。 對於已認證的端點，請在標頭或查詢參數中加入 API 金鑰或權杖。
範例案例
以下範例展示了 Python 工具的常見使用案例。
內部 CMDB 查詢：
def main(server_name: str) -> dict:
"""Query internal CMDB for server configuration."""
import requests
response = requests.get(f"https://cmdb.internal.corp/api/servers/{server_name}")
return response.json()
自訂SLA計算：
def main(uptime_minutes: int, downtime_minutes: int) -> dict:
"""Calculate SLA using your organization's formula."""
total = uptime_minutes + downtime_minutes
sla = (uptime_minutes / total) * 100 if total > 0 else 100.0
return {"sla_percent": round(sla, 4), "meets_target": sla >= 99.9}
合規報告產生：
def main(incidents: list, month: str) -> dict:
"""Generate PDF compliance report."""
from reportlab.platypus import SimpleDocTemplate
doc = SimpleDocTemplate(f"/mnt/data/compliance-{month}.pdf")
# Build report...
return {"report_path": f"/api/files/compliance-{month}.pdf"}
確認你的工具能正常運作
建立工具後，請在新聊天室測試：
Calculate SLA for 43185 minutes uptime and 15 minutes downtime
你的客服應該能辨識到這個任務符合你的工具，並自動呼叫它。
執行環境
下表描述了 Python 工具的執行環境。
| 房產 | 價值 |
|---|---|
| 逾時 | 5 到 900 秒（預設：120） |
| 隔離 | 每次執行使用全新的容器 |
| 檔案系統 |
/mnt/data 用於暫存檔案 |
| Network | 啟用外線連線 |
| Packages | 700+ 預裝（Pandas、Requests、Azure Identity、ReportLab 等） |
| 狀態 | 通話間沒有持續性 |
Azure 資源驗證
Python 工具可以透過預設範圍的管理身份來驗證 Azure 資源。
| Scope | 存取 |
|---|---|
| ARM | Azure Resource Manager （management.azure.com） |
| 金鑰保管庫 | 秘密、金鑰、憑證（vault.azure.net） |
| 儲存空間 | Blob、佇列、資料表儲存（storage.azure.com） |
建立工具時，請在 身份 標籤中啟用認證。
局限性
- 無持續狀態：每次執行都從頭開始。 如果需要，可以把結果存到外部。
- 最大超時時間：長程操作需 900 秒（15 分鐘）。
- 沒有 GPU：只支援 CPU 的執行環境。
- 需要 JSON 輸出：回傳值必須是可序列化的 JSON。