Aioga
AI资讯 / 技巧观点
返回 AI资讯

LangChain 如何为 Kubernetes 构建自主 SRE 智能体

LangChain:Blog(RSS)Aioga 编辑团队2026-08-05T16:24:31.000Z热度 49

LangChain 基于 Deep Agents 为 Kubernetes 部署构建了自主 SRE 智能体,可自动执行运维任务,并对变更操作引入人工审批机制。该智能体使用 La...

技巧观点LangChain:Blog(RSS)

今日 AI 情报摘要

LangChain 基于 Deep Agents 为 Kubernetes 部署构建了自主 SRE 智能体,可自动执行运维任务,并对变更操作引入人工审批机制。

该智能体使用 LangSmith 进行全链路追踪,并通过 evals 评估系统性能,兼顾自动化效率与运维安全。

中文正文 · AI 翻译

我们如何为 Kubernetes 部署构建一个自主 SRE 代理

我是 LangChain 的一名部署工程师,我工作的很大一部分都依赖于 Kubernetes。我维护我们内部的自建集群(也是新自建功能首先落地的地方,这样我们的团队可以在功能上线时进行测试),并帮助客户启动和升级他们自己的自建环境。做这些工作需要对活跃集群有足够深入的心理模型,以至于当我们的集群宕机时,我可以阅读架构,找出故障并修复它。在全职工作的基础上持续做这种事情是非常耗费精力的,而且这并不只是我一个人的经历。任何从事基础设施工作的人都知道这些痛苦。

所以我们构建了一个自主 SRE 代理,以减少排查时间和修复时间。目标是提高基础设施的可靠性并减轻团队的认知负担。我们希望它能够排查 Kubernetes 的健康状况、提出修复方案,并且仅在集群或基础设施需要更改时才引入人工干预。这篇文章涵盖了原因、我们如何构建它、为什么 LangSmith 让它值得信赖,以及我们看到的好处。

Kubernetes 发出大量信号(Pod 阶段、重启计数、HPA(水平 Pod 自动扩缩)状态、节点状态、警告事件、部署就绪状态,覆盖数十个命名空间),几乎没有任何综合信息。值班工程师使用这些信号来回答三个问题:现在是否有故障(崩溃循环、OOM 杀死、零就绪端点);是否有即将发生的故障(HPA 锁定在最大值、单副本服务、:latest 镜像标签);我们应该如何处理?有效回答这些问题需要判断能力,因此责任通常落在基础设施工程师或主题专家上,但90%的工作是机械性的排查,大部分情况下结果都是良好的。这种重复繁琐的工作容易让人精疲力竭,也会训练他们无意中忽略重要警报。

主动监控。调度器每N分钟检查一次健康状况,而无需唤醒完整代理。它通过 Kubernetes Python 客户端收集原始集群状态(不消耗任何 LLM 令牌),然后通过强制使用工具的一次 Claude Haiku 调用生成结构化健康报告,并按严重性排序发送到 Slack。

按需调查。当需要诊断问题时,协调器会并行扩展到专门的子代理:pod-inspector、scaling-analyzer、performance-analyzer、log-analyzer、security-auditor、reliability-auditor 等。每个子代理在综合一个优先报告之前会独立读取集群信息。

代理可以读取整个集群,但自身不会更改任何内容。每一次写操作(扩展部署、重启滚动更新、修补 HPA)都存在于单独的 change-executor 子代理中,并且每个写工具都由人工干预(HITL)控制。代理提出修复方案,由人工直接在 Slack 消息中批准、拒绝或编辑。读取是自主的,而写入始终通过 HITL 控制执行。这在结构上得到强制执行,并由集群内的 RBAC 反映(集群范围内读取,写入权限严格限定)。

下面的每一个选择都是一个分岔点,在明显路径与正确路径之间分开。

我们架构中的主线是尽量保持事情简单且高效。我们只在能改善我们所管理基础设施的代理效果的地方消耗代币、模型算力并增加网络表面。这使得代理足够便宜,可以每隔几分钟运行一次,并足够安全,可指向生产环境。

第 2 部分的每一个决策都以 LangSmith 跟踪运行:计划的 Haiku 检查、每个子代理调查、每一次读取和提出的写入。Deep Agents 和 LangGraph 部分自动跟踪;调度器的直接 Anthropic 调用使用 @traceable 包装。

这些标记的运行构成了我们评估的骨架。被错误分类的 pod 或错过的 OOM 会被提升为 LangSmith 数据集并附上正确答案,然后每条提示或模型调整都会在其上运行,使用 LLM 作为评判者和基于代码的评估器,这样回退的改动会显示为红色数字且不会合并。以上单副本的误报会成为我们评估套件的永久测试用例。

上面的改进循环仍然依赖于人类发现不良行为、找到追踪记录并将其提升为数据集。这对维护代理的人来说是耗时的工作。LangSmith 引擎:https://docs.langchain.com/langsmith/engine-overview 可以自动完成这项手动工作。它就像一个主动的代理工程师,在三个阶段监视我们的追踪项目。

引擎已经将我们的追踪记录分组为我们自己尚未提交的未解决问题。一个例子是,计划的健康检查根本没有收集任何利用率数据。收集器查询了节点、Pods、警告事件、HPAs 和部署,而分析步骤只是一次单一的强制工具调用,而没有可用工具,因此模型无法获取收集器跳过的内容。每小时报告都会提出一个结构上无法回答的容量问题,并以“检查 Pod 的 CPU/内存指标”之类的建议操作交回给我们。kubectl_top_pods 和 kubectl_top_nodes 功能已经在交互式代理的代码库中,但从未接入计划路径。引擎提出将 Pod 和节点指标接入收集器,重用现有的单位解析,而不是发明新的逻辑,并将变更范围限定在收集器中,以便分析提示和零令牌属性保持不变。它以拉取请求的形式到来,经过审核,添加为我们数据集的示例,针对我们的数据集进行测试以防止回归并验证修复有效,然后合并。

我们将继续在内部使用 SRE Agent,并已开始向一些现有的 LangSmith 客户推广。我们正在积极开发它,并扩展它在 Kubernetes 和栈的其他部分的能力。下一步的一些改进将是使状态对于 HITL 耐久化,并使监控循环具有状态性,以便它记忆最近报告的事件。它是开源的,可在此获取:https://github.com/langchain-samples/sre-agent:https://github.com/langchain-samples/sre-agent。欢迎尝试、贡献或提供反馈。

LangSmith,我们的代理工程平台,帮助开发者调试每一个代理决策、评估变更,并一键部署。

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:LangChain 基于 Deep Agents 为 Kubernetes 部署构建了自主 SRE 智能体,可自动执行运维任务,并对变更操作引入人工审批机制。 Aioga 将其归入「技巧观点」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:产品与工具类动态的价值取决于它是否解决明确场景、能否进入工作流,以及交付、价格和数据安全是否可接受。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察产品是否开放使用、用户反馈、定价、集成能力和后续版本更新。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: RSS · 原始域名: langchain.com

来源: LangChain:Blog(RSS)

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-08-05T16:24:31.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

LangChain 基于 Deep Agents 为 Kubernetes 部署构建了自主 SRE 智能体,可自动执行运维任务,并对变更操作引入人工审批机制。该智能体使用 La...

LangChain:Blog(RSS)2026-08-05T16:24:31.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。