mezmo/aura

AURA is a production-tested SRE agent platform you can deploy in minutes. AURA handles the guardrails, APIs, state management, streaming, and failure handling required to put AI to work safely on production infrastructure.

什么是 AURA？

AURA 是一个开源的 SRE-agent platform，让您能在自己的基础设施内运行 AI 驱动的助手（代理）。它随附一组预先配置的“专家”代理，可以查询可观测性数据、云资源、版本控制、票务系统等，并利用大型语言模型 (LLMs) 来调查并协助解决事件。

为何它很重要

生产就绪的安全性 – 所有模型调用、工具调用和状态都封装在可配置的防护机制、批准步骤和 OpenTelemetry 追踪中，因此您可以满足安全和合规性要求。
供应商无关 – 可与 OpenAI、Anthropic、AWS Bedrock、Gemini、Ollama、OpenRouter 或任何支持 OpenAI-compatible API 的模型搭配使用。切换模型只需更改配置。
可扩展且可观测 – 代理定义在版本控制的 TOML 中，可以调用外部工具、从 Qdrant 或 Bedrock KBs 获取 RAG 数据，并导出完整的端到端追踪以供事后检讨。
随处运行 – 可作为 CLI、Docker 镜像、Helm chart 或嵌入式 Rust 库运行，甚至在气隙环境中也能运作。

核心概念

概念	功能
Agent	一个小型 AI 驱动的工作者，拥有自己的提示词、模型和工具集（例如“Kubernetes 检查员”或“PagerDuty 响应者”）。
Agent Skills	可重复使用的指令包，可按需加载以赋予代理特定领域的知识。
MCP (Model Context Protocol)	一种发现协议，让 AURA 能通过 HTTP、SSE 或 STDIO 寻找外部工具或 RAG 存储库。
Guardrails / Approval	在执行可能更改状态的工具之前，需要人工或 Webhook 确认的策略。
Streaming API	可由聊天 UI 或其他服务消费的实时、Token 级输出。
OpenTelemetry export	每个 LLM 轮次、工具调用和编排步骤都会作为追踪区段 (trace span) 发出，以实现可观测性。

入门指南（快速回顾）

安装 – 执行提供的安装脚本 (curl … | bash)。
初始化 – aura init 将引导您选择 LLM 提供商并创建 aura.toml 配置。
运行 – aura 启动本地 CLI 聊天；aura webserver 将其作为服务运行；也提供 Docker/Helm 选项。

谁应该使用它？

SRE / DevOps 团队：希望在事件分类、根本原因分析和自动化修复方面获得 AI 协助，同时将数据保留在自己的安全边界内。
平台工程师：寻求将 LLM 驱动的工作流程嵌入现有的 CI/CD 或可观测性管线中。
有严格合规要求的公司（气隙、受监管）：需要完全控制模型提供商、数据流和批准策略。

限制 / 注意事项

AURA 是一个 framework，而非现成的 AI 模型 – 您仍然需要访问 LLM 提供商并配置适当的工具/集成。
安全性取决于您如何配置防护机制和密钥处理；错误配置可能会将凭证暴露给模型提示词。
调查的丰富程度取决于专家代理的质量以及您连接的数据源（例如 Prometheus、Kubernetes、PagerDuty 等）。

了解更多

文档 – https://docs.mezmo.com/aura (快速入门、配置参考、流式 API 指南)。
示例 – 仓库中的预建 TOML 配置 (examples/complete/...)。
社区 – README 中链接的 Slack 频道，用于提问和讨论路线图。

总结

AURA 是一个基于 Rust 的开源平台，让您能在自己的环境中运行 AI 驱动的 SRE 代理。它提供了一种安全、可配置且可观测的方式，将 LLMs 链接到您的监控、云和票务系统工具中，在保持数据控制权的同时加快事件调查速度。