Observe Tích Hợp Hai AI Agent Mới Giúp Tự Động Hóa và Nâng Cao Observability

Observe Inc. vừa công bố việc bổ sung hai agent trí tuệ nhân tạo (AI) vào nền tảng observability của mình. Động thái này hứa hẹn sẽ thay đổi cách các team DevOps và developer làm việc, giúp tự động hóa quá trình điều tra sự cố và cung cấp công cụ mạnh mẽ hơn để hiểu rõ hệ thống.

Hai AI Agent Mới: Sức Mạnh Cho SRE và Developer

Hai agent mới được giới thiệu nhắm đến hai đối tượng người dùng chính trong quy trình phát triển và vận hành phần mềm:

• Observe AI SRE Agent: Được thiết kế chủ yếu cho các kỹ sư đảm bảo độ tin cậy của hệ thống (Site Reliability Engineers - SREs). Agent này có khả năng tự động sử dụng ngữ cảnh (context) từ nền tảng Observe để xác định nguyên nhân gốc rễ (root causes) của sự cố và đề xuất các bản sửa lỗi, giúp giải quyết vấn đề nhanh hơn đáng kể.
• o11y.ai Agent: Dành cho các developers. Agent này giúp tự động tạo mã OpenTelemetry cần thiết để instrument code. Sau đó, developers có thể sử dụng ngôn ngữ tự nhiên để đặt câu hỏi về mức độ sử dụng, lỗi, hiệu năng, cũng như để debug và xác thực các bản sửa lỗi. Tất cả đều dựa trên ngữ cảnh và thông tin chi tiết thu thập từ dữ liệu telemetry và cấu trúc code của họ.

Công Nghệ Nền Tảng: Graph và MCP Server

Sức mạnh của cả hai agent này đến từ một graph và Model Context Protocol (MCP) server mà Observe đã tích hợp sâu vào nền tảng. MCP server, ban đầu được phát triển bởi Anthropic, giúp các AI agent dễ dàng khám phá và truy vấn dữ liệu hơn. Điều này cũng mở ra khả năng cho các công cụ lập trình AI khác như Claude Code, OpenAI Codex, Augment Code truy cập vào dữ liệu telemetry được tổng hợp trên nền tảng Observe.

Theo CEO của Observe, Jeremy Burton, cách tiếp cận này cho phép developers truy cập vào các insight từ observability ngay trong công cụ phát triển yêu thích của họ mà không cần phải học cách sử dụng giao diện đồ họa của một nền tảng observability.

Lợi Ích Thực Tiễn và Tương Lai của AI trong DevOps

Ông Burton cho biết các agent này sẽ giúp giảm bớt tình trạng kiệt sức (burnout) mà các team kỹ sư phần mềm đang phải đối mặt khi triển khai các ứng dụng ngày càng phức tạp ở quy mô lớn hơn.

"AI agent khó có thể thay thế hoàn toàn developers và kỹ sư DevOps trong tương lai gần, nhưng chúng giúp giảm đáng kể khối lượng công việc nhàm chán và lặp đi lặp lại (toil) hàng ngày," Burton nhấn mạnh.

Thực tế đã chứng minh, các tổ chức được tiếp cận sớm với các AI agent này đã ghi nhận cải thiện gấp 10 lần trong nỗ lực phân loại sự cố (triaging), cho phép họ giải quyết các vấn đề trong vài phút thay vì vài giờ như trước đây.

Trong tương lai, các team DevOps sẽ cần phải điều phối nhiều AI agent được nhúng trong các workflow phân tán. Một thách thức đặt ra là làm thế nào để tổ chức các AI agent này một cách hiệu quả nhất trong quy trình làm việc của mình.

Việc làm cho dữ liệu telemetry dễ tiếp cận hơn được kỳ vọng sẽ nâng cao đáng kể chất lượng của các ứng dụng. Điều này đặc biệt quan trọng trong kỷ nguyên AI, khi các công cụ sinh mã dựa trên mô hình ngôn ngữ lớn (LLMs) dù tăng năng suất nhưng cũng tạo ra code dài dòng hơn, khó debug và tốn kém hơn khi vận hành.

Cuối cùng, dù có bao nhiêu AI agent được triển khai, vị trí trung tâm vẫn luôn là các kỹ sư con người – những người duy nhất có khả năng hiểu và kết nối tất cả các yếu tố lại với nhau.