Ce document a été traduit à l'aide d'une technologie de traduction automatique. Bien que nous nous efforcions de fournir des traductions exactes, nous ne fournissons aucune garantie quant à l'exhaustivité, l'exactitude ou la fiabilité du contenu traduit. En cas de divergence, la version originale anglaise prévaut et fait foi.

Découvrez Liz: The Rancher AI Assistant

Liz est un agent IA contextuel intégré dans l’environnement SUSE Rancher Prime. Contrairement à une IA à usage général, Liz est conçu pour comprendre l’état en direct de vos clusters, espaces de noms et charges de travail.

Disponible en tant qu’extension, Liz réside dans votre espace de travail pour fournir des conseils en temps réel là où vous en avez besoin. Que vous enquêtiez sur un déploiement défaillant ou que vous essayiez de comprendre un nouveau concept Kubernetes, Liz utilise le Modèle de Protocole de Contexte (MCP) pour combler le fossé entre vos données opérationnelles et des insights exploitables.

Que vous ayez besoin d’un avis d’ingénierie de fiabilité de site (SRE) ou de l’aide d’un expert Rancher, Liz peut vous fournir un éclairage pour vous aider à prendre la bonne décision, plus rapidement. La puissance de Liz réside dans son intégration avec la GUI Rancher et sa capacité à s’adapter aux exigences de sécurité des entreprises.

Composants clés

Agent IA: Le pont spécifique au domaine entre le moteur de raisonnement LLM et les serveurs Rancher MCP. Il décompose et achemine des demandes complexes en appels d’outils sécurisés tout en appliquant des garde-fous. Il garantit une exécution contextuelle et synthétise les données techniques en réponses claires et lisibles par l’homme.
Rancher MCP: Le Protocole de Contexte Modèle Rancher (MCP) est le composant chargé d’interagir avec l’API Rancher. Il utilise le mécanisme de l’API publique Rancher et l’expose à l’aide d’outils adaptés pour offrir la meilleure expérience utilisateur.
Extension UI Assistant Rancher: Ce composant étend la GUI Rancher pour Liz. Il va au-delà d’une simple fenêtre de chat en intégrant Liz là où cela a du sens dans la GUI. Intégration de l’assistant derrière les messages d’erreur et les badges de statut pour un support immédiat et contextuel.

Principales caractéristiques

Souveraineté du modèle flexible

Reconnaissant que la sécurité est primordiale, Liz offre la liberté de choix concernant le moteur d’IA sous-jacent.

Connectez-vous à des LLM locaux ou isolés physiquement pour une confidentialité maximale des données en utilisant Ollama.
Utilisez des moteurs publics pour un raisonnement haute performance, tels que :
- ChatGPT d’OpenAI
- Gemini de Google
- AWS Bedrock

Pourquoi un assistant IA ?

À mesure que les environnements Kubernetes se développent, la "charge cognitive" sur les opérateurs augmente de manière exponentielle. Liz aborde trois défis critiques dans les opérations de plateforme modernes :

Réduire l’écart de compétences : Kubernetes a une courbe d’apprentissage notoirement abrupte. Liz fournit un soutien immédiat et de niveau expert aux ingénieurs qui peuvent ne pas être familiers avec des ressources ou des types d’erreurs spécifiques, réduisant ainsi la dépendance aux ingénieurs seniors "héros".
Accélérer le temps de résolution : Au lieu d’examiner manuellement les journaux ou de rechercher une documentation externe, les opérateurs peuvent demander à Liz de résumer l’état d’un espace de noms ou d’expliquer un échec spécifique, réduisant ainsi le temps moyen de résolution (MTTR).
Conscience systémique proactive : Liz permet une posture opérationnelle proactive. En posant des questions telles que « Quels déploiements sont actuellement en mauvais état ? » ou « Résumez la santé de ce cluster », les équipes peuvent identifier et résoudre des problèmes avant qu’ils ne s’aggravent en pannes.

Bien que Liz soit un assistant puissant, il est conçu pour étendre les connaissances humaines, pas pour les remplacer. Les utilisateurs doivent vérifier les recommandations de l’IA et suivre les pratiques de sécurité standard de leur organisation lors de l’application des corrections suggérées.