إشارات التطبيقات في Amazon CloudWatch تضيف تصحيح أخطاء المواد الاصطناعية المدعومة بالذكاء الاصطناعي
يقوم بروتوكول سياق نموذج إشارات التطبيقات في Amazon CloudWatch أو خادم MCP لمراقبة أداء التطبيقات (APM) الآن بدمج مراقبة نظام الكناري في مواد CloudWatch مباشرةً ضمن إطار التدقيق الخاص به، مما يتيح التصحيح الآلي المدعوم بالذكاء الاصطناعي لحالات فشل المراقبة الاصطناعية. يمكن لفرق DevOps والمطورين الآن استخدام أسئلة باللغة الطبيعية مثل «لماذا يفشل اختبار كناري للدفع الخاص بي؟» في مساعدي الذكاء الاصطناعي المتوافقين مثل Amazon Q أو Claude أو غيرهم من المساعدين المدعومين للاستفادة من الإمكانيات المصححة الجديدة المدعومة بالذكاء الاصطناعي والتمييز السريع بين مشكلات البنية التحتية لكناري ومشكلات الخدمة الفعلية، مما يعالج التحدي الكبير المتمثل في التحليل اليدوي الشامل للحفاظ على المراقبة الاصطناعية الموثوقة.
يعمل التكامل على توسيع قدرات تحليل الإشارات المتعددة الحالية لـ Application Signals (الخدمات والعمليات وعمليات SLOs والإشارات الذهبية) لتشمل تشخيصات الكناري الشاملة. تعمل الميزة الجديدة تلقائيًا على ربط حالات فشل الكناري بمقاييس صحة الخدمة والتعقبات والتبعيات من خلال مسار تدقيق ذكي. بدءًا من أوامر اللغة الطبيعية من المستخدمين، يقوم النظام بإجراء تحليل تشخيصي متعدد الطبقات عبر ستة مجالات رئيسية: مشكلات الشبكة، وفشل المصادقة، ومشكلات الأداء، وأخطاء البرنامج النصي، ومشكلات البنية التحتية، وتبعيات الخدمات. يتضمن هذا التحليل المقارنة الآلية لأرشيف HTTP أو ملفات HAR، وتحليل سجلات CloudWatch، وفحص أداة S3، والتحقق من صحة التكوين، مما يقلل بشكل كبير من الوقت اللازم لتحديد وحل مشكلات المراقبة الاصطناعية.
يمكن للعملاء بعد ذلك الوصول إلى هذه الرؤى من خلال التفاعلات بلغة طبيعية مع مساعدي الذكاء الاصطناعي المدعومين.
تتوفر هذه الميزة في جميع مناطق AWS التجارية حيث يتم تقديم مواد Amazon CloudWatch. سيحتاج العملاء إلى الوصول إلى وكيل ذكاء اصطناعي متوافق مثل Amazon Q أو Claude أو غيرهم من مساعدي الذكاء الاصطناعي المدعومين للاستفادة من إمكانات تصحيح الأخطاء المدعومة بالذكاء الاصطناعي.
لمعرفة المزيد حول تنفيذ التصحيح المستند إلى الذكاء الاصطناعي للمراقبة الاصطناعية الخاصة بك، تفضل بزيارة وثائق خادم MCP لإشارات التطبيقات في CloudWatch.