Co jest fundamentem dla działania agenta AI w infrastrukturze?
Sama obecność sztucznej inteligencji, czy podpięcie drogiego modelu LLM do konsoli nie sprawi, że automatycznie rozwiążemy problemy. Aby agent AI był skuteczny, potrzebuje solidnych fundamentów w postaci kontekstu. Jak wyjaśnia Adrian Kurowski, bez ustrukturyzowanej infrastruktury i narzędzi, najpotężniejszy agent będzie jedynie “halucynował”, serwując piękne, ale całkowicie nieprzydatne w naszym środowisku konfiguracje. Podstawą jest wersjonowanie i porządek. Mając zebrane metryki oraz logi, a także zdefiniowane zależności komunikacyjne czy nazewnictwo, agent zyskuje precyzyjny obraz działania systemu w danym momencie. Odpowiednia strukturyzacja infrastruktury to absolutny warunek, by narzędzia takie jak Claude potrafiły skutecznie wspierać nasze procesy utrzymaniowe i reagować na anomalie.
Według eksperta – jeśli nie wdrożysz podstaw, takich jak opis środowiska czy działająca warstwa monitoringu, narzędzia AI po prostu zaprowadzą Cię w ślepy zaułek. Zawsze opisz, zanim zautomatyzujesz.
Jak skille i komendy budują potęgę agenta w Cloud Code?
Agent w architekturze narzędzi takich jak Cloud Code dzieli się na dwie sekcje: statyczną oraz dynamiczną. Część statyczna to zdefiniowany na sztywno system prompt z podstawowymi informacjami o konwencjach w projekcie, topologii sieci i zasadach dostępu. Najważniejszą częścią narzędzia są jednak tak zwane “skille”, czyli dynamiczne funkcje, do których agent AI zyskuje dostęp. Jak to działa w praktyce? Jeśli zapytasz o kondycję usług, agent nie pożera tysięcy tokenów przez jednoczesne analizowanie gigantycznych plików. W pierwszej iteracji decyduje, jakie skille należy wywołać (np. read_docker_compose), parametryzuje je i sam powtarza krok do momentu znalezienia wystarczających informacji na udzielenie werdyktu. Agent posiada też wbudowane hooki (np. pre_tool_use), które skutecznie potrafią zablokować wywołania krytycznych instrukcji systemowych, zabezpieczając serwery przed ewentualnym usunięciem kluczowych plików przez model AI.
Adrian Kurowski podkreśla, że decyzyjny proces u agenta przebiega kaskadowo: najpierw następuje analiza pytania użytkownika, następnie optymalny dobór skilli, a na samym końcu pętla decyzyjna kończąca iteracje.
Analiza Docker Compose i logów: Do czego agent sprawdza się najlepiej?
Czy narzędzia AI można zatrudnić do bezpośredniej analizy konfiguracji i logów? Jak najbardziej, o ile zastosujemy odpowiednio spreparowane skille. Przykładowo, weryfikacja kodu Docker Compose może obejmować rozbudowaną listę kontrolną w skillu – od sprawdzania braku bindingu portów na publiczne interfejsy (tzw. problem 0.0.0.0), poprzez wymuszanie konkretnych wersji tagów (explicit zamiast latest), aż do poprawności wpisów typu healthcheck z odpowiednimi atrybutami (np. dla bazy PostgreSQL). W obszarze analizy logów można połączyć agenta z API narzędzia Loki – najpierw odpytuje on endpoint, by zlokalizować, czy dany projekt raportuje dane, a następnie zadaje punktowe, wyselekcjonowane zapytania do okien czasowych, by nie przypalić budżetu na milionach niepotrzebnych tokenów API. W ten sposób AI zwraca szybkie wnioski bez skomplikowanego, manualnego przeszukiwania konsoli przez operatora.
Adrian podczas dema zaznaczył jednak jedną bardzo ważną kwestię – agent tylko nas wzmacnia i pomaga podejmować lepsze decyzje. Ostateczna odpowiedzialność i wdrożenie rozwiązań zawsze pozostaje w rękach świadomego inżyniera, który doskonale zna swoją sieć.
- Zacznij wykorzystywać asystentów, ale zadbaj wcześniej o mocne fundamenty. Subskrybuj kanał SysOps / DevOps Polska na YouTube, aby być na bieżąco z rozwiązaniami prosto z produkcji!
- Jeśli szukasz wiedzy i networkingu, spotkajmy się twarzą w twarz na naszych jesiennych meetupach SysOps/DevOps. Połączmy siły i wdrażajmy potężne procesy CI/CD.
- Dla wszystkich pasjonatów AI mamy osobną ścieżkę – seria darmowych spotkań webinarowych AI Now Polska.
- Chcesz usystematyzować wiedzę na temat sieci, konfiguracji czy dockeryzacji? Zobacz naszą ofertę eksperckich szkoleń SysOps/DevOps Polska i nie daj się zaskoczyć na produkcji!
Pełne nagranie prelekcji dostępne tutaj: Infrastruktura jako kontekst dla agenta AI – Adrian Kurowski
