รีวิวจาก Softonic
สะพานระหว่าง SkyWalking และ LLMs สำหรับการสังเกตการณ์การสนทนา
skywalking-mcp, จาก Apache, เป็นเซิร์ฟเวอร์ MCP ที่เชื่อมต่อ LLMs กับข้อมูล SkyWalking backend สำหรับการวิเคราะห์การสนทนาและการแก้ไขปัญหา มันช่วยให้โมเดลสามารถสอบถามบริการ, อินสแตนซ์, และเมตริกของ endpoint, รวมถึง traces และ logs, โดยใช้โปรโตคอลมาตรฐาน โครงการนี้สนับสนุนการดึงข้อมูลแบบเรียลไทม์, การรวมเข้ากับลูกค้า, และการตรวจสอบสิทธิ์ในตัว วิศวกร DevOps และ SREs ได้รับเส้นทางภาษาธรรมชาติในการสำรวจสาเหตุที่แท้จริงและการวินิจฉัยการดำเนินงานภายในท่อส่งการสังเกตการณ์ที่มีอยู่.
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เซิร์ฟเวอร์เปิดเผยข้อมูลการตรวจสอบสำหรับคำถามเชิงสนทนา โดยแปลสัญญาณการสังเกตการณ์ให้เป็นบริบทที่สามารถใช้ได้กับ LLMs มันรองรับการสอบถามเมตริกที่ระดับบริการ อินสแตนซ์ และจุดสิ้นสุด การตรวจสอบการติดตาม และการสำรวจโทโพโลยี ผู้ใช้สามารถขอให้ผู้ช่วยแจ้งเกี่ยวกับการเพิ่มขึ้นของความล่าช้าล่าสุด ติดตามการติดตามไปยังช่วงที่ล้มเหลว หรือขอให้แสดงมุมมองโทโพโลยี ผลลัพธ์เหล่านี้มาจากเซิร์ฟเวอร์ที่นำเสนอข้อมูล SkyWalking ผ่านโปรโตคอล Model Context
การวิเคราะห์ที่ขับเคลื่อนด้วย AI ของข้อมูลการตรวจสอบสดมีความน่าเชื่อถือแค่ไหน?
การดึงข้อมูลแบบเรียลไทม์จะจัดหาข้อมูลสุขภาพของระบบที่ทันสมัยให้กับโมเดลที่อยู่ด้านล่าง ดังนั้นการวิเคราะห์ที่สร้างขึ้นจึงสะท้อนสถานะเบื้องหลังในปัจจุบันแทนที่จะเป็นภาพถ่ายที่ล้าสมัย คุณภาพของการวินิจฉัยในภาษาธรรมชาติจึงขึ้นอยู่กับการครอบคลุมและการสุ่มตัวอย่างข้อมูลการตรวจสอบใน SkyWalking ทีมงานควรตรวจสอบข้อสรุปของผู้ช่วยกับการติดตามและเมตริกดิบ เพราะผลลัพธ์จากการสนทนาสรุปรูปแบบเบื้องหลังแทนที่จะเป็นการแทนที่การตรวจสอบด้วยมือ
การติดตั้งและข้อมูลนำเข้ามีลักษณะอย่างไร?
การติดตั้งสามารถเป็นบริการที่บรรจุในคอนเทนเนอร์หรือไบนารีแบบสแตนด์อโลน และเซิร์ฟเวอร์ต้องการ SkyWalking OAP backend ที่กำลังทำงานเพื่อให้บริการข้อมูล การกำหนดค่าจะเชื่อมต่อกับลูกค้าที่เข้ากันได้กับ MCP รวมถึงลูกค้า AI บนเดสก์ท็อปไปยังร้านสังเกตการณ์ การออกแบบนี้ช่วยลดความจำเป็นในการเขียนตัวเชื่อมเฉพาะ แต่ถือว่ามีการติดตั้ง SkyWalking ที่มีอยู่และความคุ้นเคยในการดำเนินงานกับการติดตั้งคอนเทนเนอร์หรือไบนารี
มันเหมาะกับการทำงานของ SRE และตอบสนองความต้องการด้านการกำกับดูแลข้อมูลหรือไม่?
การดำเนินการรวมถึงความปลอดภัยและการตรวจสอบที่สร้างขึ้นเพื่อปกป้องผลลัพธ์การสังเกตการณ์เมื่อโมเดลเข้าถึงข้อมูลการตรวจสอบ มันทำให้การบริโภคข้อมูลการตรวจสอบของโมเดลเป็นมาตรฐาน ซึ่งช่วยในการรวมผู้ช่วยสนทนาเข้ากับการทำงานในเหตุการณ์และกิจวัตรการเรียกเข้าตลอดเวลา เนื่องจากโครงการนี้เป็นโอเพนซอร์สภายใต้ Apache ทีมสามารถตรวจสอบพฤติกรรมการรวมและปรับนโยบายการกำกับดูแลเกี่ยวกับการเข้าถึงโมเดลและเส้นทางการตรวจสอบได้
ตัวเลือกที่ใช้งานได้จริงสำหรับทีมที่เพิ่มการวินิจฉัยการสนทนาไปยังการสังเกตการณ์
เครื่องมือนี้เหมาะสำหรับทีมวิศวกรรมที่เตรียมพร้อมในการดูแลการวิเคราะห์ที่ผลิตโดย AI และฝังคำถามในการสนทนาไว้ในกระบวนการจัดการเหตุการณ์ วางแผนสำหรับการดูแลการดำเนินงาน เนื่องจากการตีความที่สร้างโดยโมเดลต้องการการตรวจสอบและการกำกับดูแลจากมนุษย์ นำไปใช้เมื่อคุณมีการดำเนินงานพื้นหลังการสังเกตการณ์และสามารถจัดการการปรับใช้คอนเทนเนอร์หรือไบนารีได้ เพราะประโยชน์ที่แท้จริงจะปรากฏเมื่อมีการติดตั้งการตรวจสอบข้อมูลทางเทคนิค การควบคุมกระบวนการ และการดูแลโมเดลแล้ว
ข้อดี
- เปิดเผยเมตริก, แทรซ, และบันทึกให้กับ LLMs ผ่าน MCP
- สนับสนุนการดึงข้อมูลแบบเรียลไทม์เพื่อสุขภาพระบบที่ทันสมัย
- การตรวจสอบสิทธิ์ที่มีอยู่ในตัวเพื่อปกป้องข้อมูลการสังเกตการณ์
- สามารถติดตั้งได้ทั้งในรูปแบบคอนเทนเนอร์หรือไบนารีแบบสแตนด์อโลน
ข้อเสีย
- ต้องการ SkyWalking OAP backend ที่กำลังทำงานอยู่
- การวิเคราะห์การสนทนาต้องการการตรวจสอบจากมนุษย์
- การรวมระบบต้องการการกำหนดค่าลูกค้าที่เข้ากันได้กับ MCP
