SigNoz के Managed Cloud Platform (MCP) पर चलने वाले दो स्वायत्त (autonomous) AI SRE एजेंट, 4 सेकंड से भी कम समय में रूट-कॉज़ (root-cause) का पता लगाते हैं, Slack पर सारांश पोस्ट करते हैं और पूरी जांच पूरी कर लेते हैं, जिसकी लागत प्रति घटना केवल $0.0013 आती है। इसका परिणाम रिएक्टिव चैटबॉट क्वेरीज़ से हटकर एक सेल्फ-ड्राइविंग ऑब्जर्वेबिलिटी वर्कफोर्स (observability workforce) की ओर बदलाव है, जो बेकार मेट्रिक्स को सामने लाते हुए जांच के खर्च को काफी कम कर देता है।
यह क्यों महत्वपूर्ण है
पारंपरिक AI-observability डेमो में अभी भी ट्रेस (traces) या लॉग्स (logs) के बारे में सवाल पूछने के लिए इंसान को टाइप करना पड़ता है। नया दृष्टिकोण इस चरण को ही खत्म कर देता है: जब कोई अलर्ट आता है, तो सिस्टम स्वचालित रूप से एक प्रमाणित SRE प्लेबुक चलाता है और उत्तर दे देता है।
वह हैकथॉन जिसने इन एजेंटों को जन्म दिया
ये एजेंट WeMakeDevs × Agents of SigNoz हैकथॉन से MIB (Men in Backend) प्रोजेक्ट नाम के तहत उभरे। एक संवादात्मक चैटबॉट के बजाय, टीम ने दो एजेंटों की एक "स्वायत्त ऑब्जर्वेबिलिटी वर्कफोर्स" बनाई:
- Agent J – द इंसिडेंट रिस्पॉन्डर – अलर्ट्स को सुनता है, फिर एक पांच-चरणीय प्लेबुक का पालन करता है: अलर्ट की पुष्टि करना, संबंधित ट्रेस का पता लगाना, संबंधित लॉग्स की गहराई से जांच करना, डेल्टा (delta) की गणना करना, और Slack पर रूट-कॉज़ कार्ड पोस्ट करना। इस प्रक्रिया में औसतन 3.7 सेकंड लगते हैं।
- Agent K – द ऑडिटर – मेट्रिक उपयोग के निर्धारित ऑडिट चलाता है, उन मेट्रिक्स को फ्लैग करता है जिनसे लागत तो आती है लेकिन उनका उपयोग नहीं होता, और मानव अनुमोदन के लिए डैशबोर्ड परिवर्तनों का ड्राफ्ट तैयार करता है।
हैकथॉन के दौरान, Agent K ने रिपोर्ट किया कि शीर्ष मेट्रिक्स में से 38% को कभी पढ़ा ही नहीं गया था, जिससे ऑब्जर्वेबिलिटी स्टैक में छिपे हुए अपव्यय का पता चला।
सिस्टम कैसे काम करता है
डिटर्मिनिस्टिक (Deterministic) प्लेबुक, न कि ओपन-एंडेड लूप्स
एजेंट फ्री-फॉर्म "एजेंटिक" रीजनिंग के बजाय निश्चित, डिटर्मिनिस्टिक प्लेबुक का पालन करते हैं। प्रत्येक रन एक ज्ञात SRE वर्कफ़्लो—confirm, trace, log, delta—चलाता है, जिससे निरंतर आउटपुट मिलता है और अनियंत्रित LLM टेक्स्ट की अनिश्चितता से बचा जा सकता है।
ऑब्जर्वेबिलिटी की तीन परतें
- एप्लिकेशन लेयर – मॉनिटर किया जा रहा ऐप SigNoz को ट्रेस, लॉग और मेट्रिक्स स्ट्रीम करता है।
- एजेंट लेयर – प्रत्येक एजेंट अपने स्वयं के GenAI-जनरेटेड सिमेंटिक स्पैन (semantic spans) वापस SigNoz को भेजता है, जिससे एजेंट स्वयं भी ऑब्जर्वेबल बन जाते हैं।
- MCP टेलीमेट्री लेयर – MCP सर्वर टूल-कॉल टेलीमेट्री रिकॉर्ड करता है, जिससे एक फीडबैक लूप पूरा होता है जहाँ SigNoz उन एजेंटों पर नज़र रखता है जो SigNoz पर नज़र रखते हैं।
प्री-अलर्ट इनसाइट के लिए प्रेडिक्टिव इंजन
एक बैकग्राउंड प्रोसेस हर 25 सेकंड में ट्रेंड्स को स्कोर करती है। जब लेटेंसी (latency) या एरर रेट में उछाल आता है, तो इंजन अलर्ट थ्रेशोल्ड के उल्लंघन से पहले ही घटना का पूर्वानुमान लगा लेता है, जिससे एजेंटों को बढ़त मिल जाती है।
ठोस परिणाम
| मेट्रिक | परिणाम |
|---|---|
| प्रति रन जांच लागत | $0.0013 |
| पूर्ण रूट-कॉज़ विश्लेषण में लगा समय | < 4 सेकंड |
| पहचाने गए अप्रयुक्त शीर्ष मेट्रिक्स | 38 % |
जमीनी स्तर पर सीखे गए सबक
- GenAI स्पैन के लिए मैनुअल इंस्ट्रूमेंटेशन – AI के सिमेंटिक आउटपुट को कैप्चर करने के लिए स्पष्ट इंस्ट्रूमेंटेशन जोड़ने से डेटा सटीक और खोजने योग्य बना रहता है।
- "थिंकिंग" (thinking) मोड बंद करें – जो LLMs संवादात्मक होने की कोशिश करते हैं, वे अक्सर JSON को ट्रंकेट (truncate) कर देते हैं। उन मोड को अक्षम करने से संक्षिप्त और मशीन-पठनीय आउटपुट मिलता है।
- RFC 6902 के साथ पैच करें – Foundry प्लेटफॉर्म पर JSON-Patch (RFC 6902) लागू करने से टीम को पूरी सर्विस को फिर से तैनात (redeploy) किए बिना कंटेनर हेल्थ-चेक और लेटेंसी पैरामीटर ठीक करने में मदद मिली।
किसे लाभ होगा, और कौन सतर्क रह सकता है
जो एंटरप्राइज़ पहले से ही ऑब्जर्वेबिलिटी प्लेटफॉर्म के लिए भुगतान कर रहे हैं, वे तुरंत बचत देख सकते हैं: एनालिस्ट के समय में कमी और बेकार मेट्रिक कलेक्शन का उन्मूलन।
आगे क्या देखें
MIB का ओपन-सोर्स कोड GitHub पर उपलब्ध है, और एक डेमो वीडियो में पूरी इंसिडेंट रन प्रक्रिया दिखाई गई है।
निष्कर्ष
SigNoz के MCP में सीधे दो विशिष्ट AI एजेंटों को शामिल करना यह दर्शाता है कि स्वायत्त रूट-कॉज़ विश्लेषण अल्ट्रा-फास्ट और अल्ट्रा-सस्ता हो सकता है। यह दृष्टिकोण ऑब्जर्वेबिलिटी को एक निष्क्रिय रिपोर्टिंग टूल से बदलकर एक सक्रिय भागीदार बना देता है जो घटना होते ही कार्रवाई करता है, जिससे समय, पैसा और घटना के बाद लॉग्स को खंगालने की अपरिहार्य मानवीय हताशा से बचा जा सकता है।