自动化 AWS DevOps Agent 调查后的修复流程
摘要
AWS 发布一套参考方案,演示如何用 AWS Lambda Durable Functions、Amazon EventBridge 与 Amazon Bedrock,把 AWS DevOps Agent 的故障调查结论自动转化为经预验证、只需一次审批的修复动作,以缩短平均修复时间。
核心要点
- AWS DevOps Agent 是一款 AI Agent,基于关联指标、日志与应用拓扑自主分诊,输出根因分析(RCA)和处置建议;出于防止意外变更的考虑,多数组织让它保持"观察并报告"模式,不直接修改生产资源。
- 方案链路为:DevOps Agent 发出含症状、发现与根因的调查完成事件 → Amazon EventBridge 触发 devops-agent-trigger 函数 → 该函数打包调查摘要并调用 devops-agent-remediation-durable 持久化函数 → 由 Bedrock 分析并寻找适用修复方案。
- Bedrock 从一份经人工审核的允许清单(curated allowlist,即 devops-agent-lambda-tool 这类已批准的 Lambda 函数)中列出可用修复工具,并据此提出具体修复动作。
- 只读类动作由 durable function 自主执行,涉及变更的动作可保留人工审批(single approval action)后再触达基础设施,从而在自动化与可控性之间取得平衡。
- AWS Lambda Durable Functions 支持构建可运行长达一年的多步应用与 AI 工作流,自动检查点保存进度、在长任务处挂起并在失败后恢复,无需自建状态管理和错误处理代码。
原文佐证
- However, to retain control and help prevent unintended changes, organizations typically keep their observability agents, including AWS DevOps Agent, in an observe-and-report mode, where the agent diagnoses issues but doesn’t modify production resources directly.
- This workflow transforms investigation summaries into pre-validated fixes ready for single approval action, helping you reduce mean time to resolution (MTTR) and free your on-call engineers from repetitive diagnostic work.
AI 洞察
这套方案的价值不在模型本身,而在于把"Agent 只诊断、人再动手"的断点补上了:Agent 输出被结构化为事件,再经白名单工具映射为受控动作,人只保留一次审批。这说明企业级 Agent 落地的关键正从"能不能推理"转向"如何安全地对接执行权限"——白名单、审批闸门与可持久化的长流程会成为标配。若该模式被更多云厂商与可观测性工具采用,AIOps 的竞争焦点将从根因分析准确率转向"从诊断到执行的闭环可靠性",on-call 岗位的分工也会随之重写。