Sentinel — автономный страж здоровья системы

Sentinel — это мультиагентная платформа мониторинга инфраструктуры для облачно-нативной среды. Помимо расследования аномалий в реальном времени, она также выступает в роли естественно-языкового интерфейса платформы к операционной телеметрии, позволяя администраторам запрашивать состояние инфраструктуры без написания SQL.

Четыре специализированных агента — Monitor, Diagnostician, Remediation и Data Intelligence — взаимодействуют через конечный автомат LangGraph, координация которого полностью осуществляется через единый стандартизированный MCP-шлюз.

Архитектура

Основной рабочий процесс — это циклический конечный автомат LangGraph: Monitor обнаруживает аномалии, Diagnostician определяет вероятную первопричину с помощью базы знаний RAG, Remediation пытается применить подходящее исправление (с учётом предохранительных ограничений), а Verify подтверждает, сработало ли исправление. Если проверка не удалась, граф возвращается к Diagnostician — вплоть до настраиваемого предела повторных попыток.

Все агенты взаимодействуют с системой исключительно через MCP-шлюз (Model Context Protocol) — ни один агент не обращается к базе данных, журналам или базе знаний напрямую. Это делает каждый вызов инструмента проверяемым и заменяемым за единым интерфейсом.

Related MCP server: dagster-mcp

Возможности

• Четыре агента CrewAI, каждый из которых имеет доступ только к тем MCP-инструментам, которые требуются для его роли

• Диагностика на основе RAG по подобранному набору операционных инструкций (runbook) с использованием эмбеддингов Sentence-Transformers и поиска по сходству FAISS

• Интерфейс Natural-language-to-SQL поверх базы данных телеметрии инфраструктуры, с корректной деградацией для вопросов, выходящих за рамки области применения

• Предохранительные ограничения (safety guardrails), которые блокируют высокорисковые команды восстановления (например, перезагрузку сервисов), когда система находится под критической нагрузкой — проверено, что они корректно блокируют в реальных условиях, а не только в теории

• Самовосстанавливающийся цикл повторных попыток: неудачные проверки автоматически направляются обратно на диагностику, а не завершаются молчаливым сбоем

• Полная наблюдаемость благодаря трассировке LangSmith при каждом NL2SQL-вызове

Технологический стек

Установка

python -m venv venv
venv\Scripts\activate          # Windows
pip install -r requirements.txt

Создайте файл .env со следующим содержимым: GROQ_API_KEY=your_key LANGCHAIN_TRACING_V2=true LANGCHAIN_API_KEY=your_langsmith_key LANGCHAIN_PROJECT=sentinel-agent-system

Запуск демонстрации

python demo.py

Это запускает полный конвейер на тестовом сервере, выводя рассуждения каждого агента по мере прохождения этапов Monitor → Diagnose → Remediate → Verify, включая живую демонстрацию цикла повторных попыток, если проверка не удаётся с первой попытки.

Примечание о результатах работы

Post-Mortem Report, скриншоты трассировок NL2SQL в LangSmith и диаграммы рабочего процесса были предоставлены отдельно, в соответствии с условиями задания.