emma-sue/AegisOps
AegisOps企业信息系统智能运维平台:自动巡检、Agent 故障排查、证据工单与审批处置。LangGraph · Deep Agents · MCP;附可复现实测记录。
무엇인가요
AegisOps (리포지토리에서는 기업정보시스템지능운영 에이전트로 표시됨)는 중국어 환경을 위한 오픈소스 AI 기반 운영 콘솔입니다. 자동화된 헬스체크, 알림 중복 제거, 로그, 메트릭, 변경 기록에서 증거를 수집하는 LLM 기반 "에이전트", 그리고 인간 운영자가 증거를 검토하고 조치를 승인하며 사고를 종료할 수 있는 티켓 워크플로우를 통합합니다.
핵심 아이디어는 언어모델 기반 에이전트가 서비스가 비정상적으로 작동하는 이유를 설명하고, 관련 데이터를 자동으로 수집하며, 인간이 검증하고 실행할 수 있는 작업지시서 초안을 생성하는 것입니다. 시스템은 고정 데이터(API 키 없음)를 사용하는 완전한 데모 모드 또는 실제 LLM(예: DeepSeek-flash)과 통신하는 라이브 모드로 작동할 수 있습니다.
주요 기능
| 기능 | 작동 방식 |
|---|---|
| 스케줄된 점검 및 알림 | 8개의 내장된 헬스체크 규칙이 타이머로 실행되어 알림을 생성하고 중복을 제거하며, 나중에 검토할 수 있도록 원시 알림 데이터를 보관합니다. |
| LLM 기반 장애 조사 | LangGraph 워크플로우가 Deep Agents(LLM 에이전트)를 오케스트레이션합니다. 에이전트는 필요에 따라 "스킬"을 로드하고, MCP SDK를 통해 읽기 전용 데이터를 읽으며, 구조화된 진단 보고서를 생성합니다. |
| 증거 수집 및 티켓 초안 작성 | 선택한 자산과 시간 범위에 대해 시스템은 원시 증거(로그, 메트릭, 콜체인)와 해시를 저장합니다. 진단 보고서는 이 증거에 링크되며, 작업지시서 초안은 할당, 주석 추가, 추가 증거 첨부가 가능합니다. |
| 지식 재사용 | 문서는 조직/시스템/버전별로 인덱싱됩니다. 키워드 검색 또는 (옵션으로) pgvector 의미 검색을 통해 검색할 수 있습니다. 승인된 사례와 스킬은 향후 재사용을 위해 큐레이션됩니다. |
| 인간 승인 및 안전한 복구 | 작업지시서 승인은 운영 파라미터, 버전, 유효 기간을 바인딩합니다. 체크포인트와 아이디empotent 쓰기로 인해 복구 과정을 안전하게 일시 중지/재개할 수 있습니다. |
| 진행 상황 및 리소스 모니터링 | 서버 전송 이벤트(SSE)로 작업 진행 상황을 스트리밍합니다. 증거 수집 라운드 수, LLM 호출 수, 토큰 사용량에 상한을 두고, 비용과 지연 시간을 로깅합니다. |
아키텍처 및 기술 스택
- 에이전트 계층 – 워크플로우 오케스트레이션에 LangGraph, LLM 추론에 Deep Agents, 제어된 도구 접근에 커스텀 스킬과 MCP SDK 사용.
- 데이터 및 작업 계층 – PostgreSQL(옵션으로 의미 검색용 pgvector 포함)는 자산, 티켓, 지식을 저장합니다. Redis Streams는 비동기 작업 큐와 체크포인트 처리를 담당합니다.
- 서비스 및 UI – Spring Boot(Java)는 비즈니스 로직, 권한, 티켓 API를 제공합니다. FastAPI(Python)는 에이전트 워커를 실행합니다. Vue 3는 중국어 웹 콘솔을 제공합니다.
- 개발/테스트 도구 – Docker Compose로 다중 서비스 오케스트레이션,
pytest및 JUnit으로 유닛 테스트, Playwright로 엔드투엔드 UI 테스트.
일반적인 워크플로우 (README에 시각화됨)
- 감지 – 스케줄된 점검 또는 수동 트리거가 알림을 발생시킵니다 (예: "파일 처리 지연").
- 범위 지정 – 운영자가 영향을 받은 자산과 시간 범위를 선택합니다. 시스템이 원시 증거를 수집합니다.
- 조사 – LLM 에이전트가 증거, 종속성 그래프, 관련 절차 문서를 참조하여 진단을 생성하고, 후보 근본 원인과 "검증 필요" 항목을 제시합니다.
- 티켓 초안 작성 – 진단 결과가 첨부된 작업지시서 초안이 생성되며, 할당, 댓글 추가, 추가 증거 첨부가 가능합니다.
- 승인 – 권한 있는 리뷰어가 복구 계획을 승인하며, 필요 시 격리된 장애 주입 리허설을 포함할 수 있습니다.
- 실행 및 검증 – 복구가 실행되고, 시스템은 비즈니스 수준 결과를 확인하며, 최종 보고서는 향후 참조를 위해 아카이브됩니다.
얼마나 잘 작동하는가?
저자들은 DeepSeek-flash 모델을 사용하여 12개의 공개 사고 사례(24회 쌍 실행)에서 벤치마크를 수행했습니다:
- 중앙값 진단 시간은 23.5초에서 15.6초로 단축 (−33%).
- 배치당 총 토큰 수는 1.08M에서 0.50M로 감소 (−54%).
- 모델 호출 수는 108회에서 60회로 감소 (−44%).
또한 20회의 중단-복구 테스트를 수행했으며, 에이전트는 티켓 중복 없이 정확히 작업을 재개했습니다.
참고: 벤치마크는 재생된 공개 데이터와 로컬 데모 환경을 사용하며, 실제 환경 성능은 다를 수 있습니다.
시작하기 (빠른 시작)
# 1. 리포지토리 복제
git clone https://github.com/emma-sue/-Agent-.git
cd -Agent-
cp .env.example .env # 라이브 LLM 모드로 사용하려면 편집
# 2. 데모 실행 (macOS Apple Silicon 전용)
make demo-local # 자체 포함 런타임을 다운로드하고 모든 서비스를 시작
# 3. 다른 플랫폼에서는 Docker Compose 사용
docker compose --env-file .env --profile live-lab up --build -d --wait
# 4. UI 열기
open http://127.0.0.1:5173 # 사용자 "ops-demo"와 .env에서 가져온 데모 비밀번호로 로그인
데모는 AI_MODE=fixture로 제공되므로 API 키가 필요하지 않습니다. 실제 모델로 전환하려면 AI_MODE=live로 설정하고 CHAT_BASE_URL, CHAT_MODEL, CHAT_API_KEY를 입력하세요 (예: DeepSeek 자격 정보).
누구에게 적합한가?
- 모니터링, 자동 근본 원인 분석, 티켓링을 통합한 콘솔이 필요한 기업 IT 운영 팀.
- LLM 지원 RCA(근본 원인 분석) 워크플로우를 프로토타이핑하고 싶은 SRE.
- 보안, 컴플라이언스 등 다른 분야에 LangGraph 기반 에이전트 패턴을 재사용하고 싶은 내부 도구 개발자.
문서 및 커뮤니티
- 문서 허브 –
docs/INDEX.md는 실행 가이드, API 사양, 코드 읽기 가이드, 벤치마크 세부 정보로 연결됩니다. - 이슈 트래커 – https://github.com/emma-sue/-Agent-/issues 에서 버그, 기능 요청, 배포 도움을 제보하세요.
- 상류 구성 요소 – 프로젝트는 Deep Agents, LangGraph, MCP SDK를 재사용합니다. 라이선스 및 기여 정보는
docs/upstream-reuse.md참조.
TL;DR
AegisOps는 중국어 지원 오픈소스 AI 운영 플랫폼으로, 스케줄된 헬스체크, LangGraph로 오케스트레이션된 LLM 에이전트, 증거 보존 진단, 티켓 승인 워크플로우를 통합합니다. 데모용으로 완전히 오프라인으로 작동하거나, 실사용을 위해 실제 LLM(예: DeepSeek)에 연결 가능하며, Docker Compose 또는 macOS 전용 네이티브 데모 런타임으로 빠르게 평가할 수 있습니다.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트