Tracer-Cloud/opensre

解決する課題

OpenSREは、本番環境のインシデントを自動的に調査・解決できるAI Site Reliability Engineering (SRE) エージェントを構築するためのフレームワークを提供します。ログ、メトリクス、トレースに証拠が分散している分散障害のデバッグの難しさを、エージェントによるインシデント対応とトレーニングのための標準化された環境を提供することで解決します。

仕組み

アラートが発生すると、システムは以下の構造化されたプロセスに従います：

1. コンテキストの収集: 関連するログ、メトリクス、トレース、およびデプロイ履歴を取得します。
2. プライバシー: LLMにデータを送信する前に、オプションで機密性の高い識別子をマスクします。
3. 推論: エージェントはツール呼び出しループを使用して、接続されたシステム間で仮説をテストします。
4. レポート作成: 関連する証拠とともに、考えられる根本原因を特定した構造化された調査レポートを生成します。
5. 修復: 問題を解決するための次のステップを提案または実行します。
6. 通知: SlackやTelegramなどのコミュニケーションツールに要約を投稿します。

対象者

このツールは、AIエージェントを使用して本番環境のデバッグと根本原因分析 (RCA) を自動化したいSRE、DevOpsエンジニア、および開発者向けに設計されています。

ハイライト

• 広範な統合: オブザーバビリティ (Grafana, Datadog, Sentry)、インフラストラクチャ (Kubernetes, AWS, GCP)、およびデータベース (PostgreSQL, MongoDB) にわたる60以上のツールと接続します。
• トレーニングと評価: エージェントのパフォーマンスをベンチマークし向上させるための、合成インシデントシミュレーションとエンドツーエンドのテストが含まれています。
• 柔軟なLLMサポート: Anthropic, OpenAI, Gemini、およびOllama経由のローカルモデルを含む、さまざまなプロバイダーと互換性があります。
• ランブックの認識: エージェントは調査中に既存のランブックを自動的に読み取り、適用できます。