Token导航 LogoToken导航TokenDH.com
01 Agentic Sre Platform logo
运维云端stdio官方级别未说明来源级核验

01 Agentic Sre Platform

MCP Server

一个生产级多代理SRE系统,利用LangGraph、MCP工具服务器、RAG驱动的运行手册检索和A2A代理协调,自动诊断和修复Kubernetes事件,支持AWS EKS和Azure AKS部署。

工具数

22

提示词数

0

GitHub Stars

0

资源数

0
云原生PythonAI代理

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

balakrishnav171

提供方

balakrishnav171

最后核验

2026/5/17 20:20

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python rag/ingest.py

详细介绍

🤖 SRE代理平台

![CI](https://github.com/balakrishna-valluri-bala/agentic-sre-platform/actions/workflows/ci.yml) ![Python 3.11](https://www.python.org/downloads/) ![Terraform](https://www.terraform.io/) ![License: MIT](LICENSE) ![LangGraph](https://github.com/langchain-ai/langgraph)

生产级多智能体SRE系统 该工具使用LangGraph、MCP工具服务器、RAG支持的runbook检索和A2A代理协调自动诊断和补救Kubernetes事件,部署在AWS EKS和Azure AKS上。

作者 Balakrishna V |首席架构师/代理人工智能工程师| CareFirst BCBS github: @巴拉克里希纳·瓦卢里·巴拉

______________________________________________________________________

📐 建筑

BigPanda / Datadog Alert
         │
         ▼
  ┌─────────────┐
  │  FastAPI     │  POST /alert
  │  (port 8000) │
  └──────┬──────┘
         │
         ▼
  ┌─────────────────────────────────────────────────────┐
  │          LangGraph Orchestrator Agent                │
  │                                                      │
  │  receive_alert → rag_lookup → classify_alert         │
  │         │                          │                 │
  │         ▼                          ▼                 │
  │   ChromaDB RAG           [CrashLoop|CPU|Metrics|DB]  │
  │   (runbook lookup)                 │                 │
  │                                    ▼                 │
  │              ┌─────────────────────────────────┐    │
  │              │    Agent Router (A2A)            │    │
  │              └──┬──────────┬──────────┬─────────┘    │
  │                 │          │          │              │
  │                 ▼          ▼          ▼              │
  │         ┌──────────┐ ┌─────────┐ ┌──────────┐      │
  │         │K8s Agent │ │Metrics  │ │Incident  │      │
  │         │          │ │Agent    │ │Agent     │      │
  │         └────┬─────┘ └────┬────┘ └────┬─────┘      │
  │              │             │           │             │
  └──────────────┼─────────────┼───────────┼─────────────┘
                 │             │           │
        ┌────────▼──┐  ┌───────▼───┐  ┌───▼──────────┐
        │  K8s MCP  │  │  AWS MCP  │  │ ServiceNow   │
        │  Server   │  │  Azure    │  │ MCP Server   │
        │ (kubectl) │  │  Monitor  │  │              │
        └───────────┘  └───────────┘  └──────────────┘

美人鱼流程图:

flowchart TD
    A[BigPanda Alert] --> B[FastAPI /alert]
    B --> C[LangGraph Orchestrator]
    C --> D{RAG Lookup}
    D --> E[ChromaDB Runbooks]
    C --> F{Classify Alert}
    F -->|CrashLoop/OOM| G[Kubernetes Agent]
    F -->|High CPU/Memory| H[Metrics Agent]
    F -->|P1/P2 Incident| I[Incident Agent]
    G --> J[K8s MCP Server]
    H --> K[AWS/Azure MCP Server]
    I --> L[ServiceNow MCP Server]
    J --> M[kubectl: restart/scale]
    K --> N[CloudWatch/Azure Monitor]
    L --> O[ServiceNow Ticket Created]
    C --> P[Summarize & Notify]

______________________________________________________________________

✨ 特性

特性描述
多代理编排LangGraph状态机协调4个专业代理
RAG Runbook检索ChromaDB语义搜索超过10个SRE生产运行手册
MCP工具服务器4台服务器:Kubernetes、AWS、Azure、ServiceNow——总共25个工具
A2A代理发现代理人注册能力;路由器自动委派任务
自动修复Pod重启、扩展、节点耗尽——P3/P4无需人为干预
多云通过Helm+Terraform在AWS EKS和Azure AKS上部署
完全可观察性普罗米修斯指标+Grafana仪表板
HIPAA就绪密钥库/秘密管理器中的所有秘密,在静止时加密

关键指标(来自生产CareFirst BCBS):

  • ⬇️ MTTD:10-15分钟→ 2-5分钟
  • ⬇️ MTTR:45-90分钟→ 15-30分钟
  • 🤖 自动修复: 40%的P3/P4事件

______________________________________________________________________

🚀 快速开始

先决条件

  • Python 3.11+
  • Docker+Docker组合
  • kubectl(用于K8s功能)
  • Terraform 1.5+(用于云部署)

本地开发

# 1. Clone the repo
git clone https://github.com/balakrishna-valluri-bala/agentic-sre-platform.git
cd agentic-sre-platform

# 2. Set up environment
cp .env.example .env
# Edit .env — add your OPENAI_API_KEY at minimum

# 3. Start all services
docker-compose up -d

# 4. Ingest runbooks into ChromaDB
python rag/ingest.py

# 5. Test the API
curl -X POST http://localhost:8000/alert \
  -H "Content-Type: application/json" \
  -d '{
    "alert_type": "CrashLoopBackOff",
    "severity": "high",
    "namespace": "production",
    "pod_name": "api-server-7d9b8f-xyz",
    "message": "Pod restarted 8 times in last 10 minutes",
    "source": "bigpanda"
  }'

预期响应

{
  "alert_id": "alert-abc123",
  "status": "remediated",
  "assigned_agent": "kubernetes-agent",
  "remediation_steps": [
    "Retrieved runbook: crashloopbackoff.md",
    "Fetched pod logs: OOMKilled — memory limit exceeded",
    "Restarted pod: api-server-7d9b8f-xyz",
    "Updated memory limit from 512Mi to 1Gi"
  ],
  "incident_number": null,
  "summary": "CrashLoopBackOff resolved via pod restart. Root cause: OOMKill due to memory limit. Recommended: increase memory limit."
}

______________________________________________________________________

📡 API 参考

方法端点描述
POST/alert处理传入的SRE警报
POST/chatSRE会话助理
GET/agents列出已注册的A2A代理商
GET/runbooks?query=语义runbook搜索
GET/health健康检查

POST/alert--请求正文

{
  "alert_type": "CrashLoopBackOff | HighCPU | OOMKilled | NodeNotReady | ...",
  "severity": "critical | high | medium | low",
  "namespace": "production",
  "pod_name": "my-pod-xyz",
  "message": "Human-readable alert description",
  "source": "bigpanda | datadog | pagerduty"
}

______________________________________________________________________

🧠 代理架构

编排器(agents/orchestrator.py)

具有7个节点的LangGraph状态图。在多回合互动中保持完整的对话状态。使用MemorySaver进行持久化。

Kubernetes代理(agents/kubernetes_agent.py)

通过K8s MCP服务器使用6个工具重新激活代理。诊断pod故障、读取日志、重启pod并扩展部署。

度量代理(agents/metrics_agent.py)

查询Datadog API和AWS CloudWatch。使用pandas执行异常检测。生成自然语言见解。

事件代理(agents/incident_agent.py)

创建、更新和关闭ServiceNow事件。包括重复数据删除功能--不会为同一警报创建重复的票证。

RAG代理(agents/rag_agent.py)

ChromaDB runbook集合上的语义+关键字混合搜索。返回具有相似性得分的排名Runbook。

______________________________________________________________________

🔧 MCP服务器

服务器端口工具
kubernetes_mcp.py8001get_pod_status、get_pod_logs、restart_pod、scale_deployment、get_node_status和get_events
aws_mcp.py8002get_cloudwatch_metrics、get_alarms、describe_eks_cluster、get_eks_nodegroups、put_metry_data、get_log_events
azure_mcp.py8003get_aks_cluster、get_azure_metrics、get_azzre_alers、get_log_analytics_query、get_keyvault_secret
servicenow_mcp.py8004创建事件、更新事件、获取事件、关闭事件、搜索事件

______________________________________________________________________

📚 RAG系统

10本生产运行手册,涵盖: crashloopbackoff · high-cpu-usage · pod-oom-killed · deployment-failed · node-not-ready · pvc-pending · service-unavailable · etcd-backup · alert-fatigue · database-connection

摄入: python rag/ingest.py Chunking: 递归字符TextSplitter(chunk_size=500,重叠=50) 嵌入: OpenAI文本嵌入3-small 矢量存储: ChromaDB

______________________________________________________________________

☁️ 基础设施部署

AWS-EKS

cd infrastructure/aws
terraform init
terraform plan
terraform apply
aws eks update-kubeconfig --region us-east-1 --name sre-platform-eks
helm upgrade --install agentic-sre ./helm/agentic-sre -n sre-platform

Azure AKS

cd infrastructure/azure
terraform init
terraform plan
terraform apply
az aks get-credentials --resource-group sre-platform-rg --name sre-platform-aks
helm upgrade --install agentic-sre ./helm/agentic-sre -n sre-platform

______________________________________________________________________

🏗️ 项目结构

agentic-sre-platform/
├── agents/          # LangGraph + LangChain agents
├── mcp_servers/     # FastAPI MCP tool servers
├── a2a/             # Agent-to-Agent registry and routing
├── rag/             # ChromaDB RAG pipeline + runbooks
├── api/             # FastAPI main application
├── infrastructure/  # Terraform: AWS + Azure
├── helm/            # Helm chart for K8s deployment
├── tests/           # pytest unit tests
└── .github/         # CI/CD workflows

______________________________________________________________________

🤝 贡献

  1. 分叉回购
  2. 创建要素分支: git checkout -b feature/my-feature
  3. 运行测试: pytest tests/ -v
  4. 格式代码: black .
  5. 提交PR

______________________________________________________________________

📜 许可证

MIT许可证——见 许可证

______________________________________________________________________

*建造于 巴拉克里希纳五世 --首席架构师/代理人工智能工程师*

目录标签

目录标签

云原生PythonAI代理Kubernetes运维本地部署自动修复多代理系统RAG检索

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

22

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP