Este documento foi traduzido usando tecnologia de tradução automática de máquina. Sempre trabalhamos para apresentar traduções precisas, mas não oferecemos nenhuma garantia em relação à integridade, precisão ou confiabilidade do conteúdo traduzido. Em caso de qualquer discrepância, a versão original em inglês prevalecerá e constituirá o texto official.

Arquitetura

O sistema é projetado como um ecossistema multi-agente hierárquico. Ele usa um Supervisor (Liz) central para orquestrar solicitações entre múltiplos Agentes de IA especializados, cada um conectado a um ou mais servidores MCP (Protocolo de Contexto de Modelo).

Componentes

O Supervisor (Liz)

Liz é o ponto de entrada do sistema e o orquestrador da experiência do usuário. Em vez de executar diretamente cada tarefa técnica, Liz atua como um Roteador inteligente.

  • Analisa o prompt do usuário para determinar o domínio necessário (por exemplo, Segurança, Provisionamento ou Fleet).

  • Consulta os metadados de AIAgentConfig para selecionar o Agente especializado mais apropriado para a tarefa.

  • Acompanha a localização do usuário na interface do Rancher e garante que os metadados relevantes de cluster, namespace e recurso sejam passados para os Agentes downstream para fornecer uma resposta "consciente do contexto".

Agentes de IA Especializados (A "Equipe")

Os Agentes Especializados são os cavalos de batalha do sistema. Cada agente é o orquestrador da inteligência de seu domínio específico. Ele usa um modelo de linguagem de grande escala (LLM) como seu motor de raciocínio, enquanto o agente em si fornece a estrutura, coordenação e execução segura das ações.

  • LLM (Motor de Raciocínio):

    • Interpreta as entradas do usuário expressas em linguagem natural.

    • Realiza o raciocínio: divide solicitações complexas em etapas menores.

    • Decide o que deve acontecer a seguir (continuar raciocinando vs. tomar ação).

    • Sintetiza saídas de ferramentas em respostas claras e legíveis por humanos.

  • Agente (Orquestrador):

    • Envolve o LLM com o padrão ReAct (Raciocínio + Ação).

    • Decide quando deixar o LLM continuar raciocinando ou quando agir de acordo com suas instruções.

    • Chama ferramentas externas (via o Servidor MCP) conforme direcionado pelo LLM.

    • Garante interações seguras passando o token do Rancher do usuário para o servidor MCP para autenticação e autorização.

Servidor MCP

O Servidor MCP atua como um gateway seguro e controlado entre o Agente ReAct e as APIs do Rancher e Kubernetes. Suas funções incluem:

  • Expondo Ferramentas: Ele fornece um conjunto de ferramentas bem definidas e seguras (pontos de extremidade da API) que o Agente ReAct pode chamar. Essas ferramentas abstraem a complexidade das interações diretas com a API do Rancher/Kubernetes.

  • Interação com o Rancher: Ele traduz chamadas de ferramentas do agente nas solicitações de API apropriadas para o servidor de gerenciamento do Rancher, recuperando ou modificando recursos conforme necessário.

Extensão de UI

A extensão de UI fornece a interface de chat voltada para o usuário dentro do painel do Rancher. Ela é projetada para ser uma parte integrada da experiência do Rancher e é responsável por:

  • Entrada do Usuário: Ela captura consultas do usuário e as envia para o Agente ReAct.

  • Exibindo Respostas: Ela recebe respostas do Agente ReAct e as apresenta em um formato semelhante a um chat.

Como Funciona (O Fluxo)

  1. Solicitação do Usuário: O usuário envia uma consulta através da Extensão da UI.

  2. Roteamento do Supervisor: Liz identifica a intenção e roteia a consulta, juntamente com o contexto da UI, para o agente especializado (por exemplo, o Fleet agent).

  3. Raciocínio LLM: O LLM do Agente especializado interpreta o pedido, raciocina sobre o problema e propõe um plano de ação.

  4. Atuação do Agente: Se o plano requer operações externas, o agente chama as ferramentas apropriadas do Servidor MCP usando o token seguro do usuário.

  5. Formulação da Resposta: O LLM pega as saídas das ferramentas e elabora uma resposta coerente e legível por humanos.

  6. Resposta Final: Liz entrega a resposta sintetizada do Agente de volta para a UI.

grafo TD subgraph "A. User Interaction" User[User / DevOps] UI[UI Extension] end subgrafo "B. Camada do Supervisor" + Liz{Liz Supervisor} + encerrar subgrafo "C. Agentes Especializados (ReAct)" + AgenteRancher(Rancher Agent) + AgenteFleet(Rancher Fleet Agent) + AgenteProv(Rancher Provisioning Agent) + AgenteAppCo(SUSE Application Collection Agent) + AgenteObs(SUSE Observability Agent) + AgenteSeg(SUSE Security Agent) + AgentePersonalizado(Custom Agent) + encerrar subgrafo "Camada de Raciocínio LLM (Aplicável a todos os Agentes)" + direção LR + LLMLocal[LLM Local] + LLMPúblico[LLM Público] + encerrar subgrafo "D. Gateways de Infraestrutura" + MCP1[MCP Rancher] + MCP2[MCP de Coleta de Aplicações] + MCP_Obs[MCP de Observabilidade] + MCP_Sec[MCP de Segurança] + MCP4[MCP de Terceiros] + encerrar subgrafo "E. Dados & APIs" + API_Rancher[(API Rancher / K8s)] + API_AppCo[(API de Coleta de Aplicações)] + DB_Métricas[(Observabilidade SUSE / Métricas)] + DB_Vulnerabilidades[(Segurança / Scans CVE)] + API_Externa[(Sistema Externo)] + encerrar %% Fluxo Usuário -- "1. Consulta" --> UI UI -- "2. Contexto + Intenção" --> Liz Liz -- "3. Roteia" --> AgenteRancher + Liz --> AgenteFleet + Liz --> AgenteProv + Liz --> AgenteAppCo + Liz --> AgenteObs + Liz --> AgenteSeg + Liz --> AgentePersonalizado %% Exemplo de Loop de Raciocínio AgenteRancher -. "Motor de Raciocínio" .-> LocalLLM RancherAgent -. "Motor de Raciocínio" .-> PublicLLM %% Conexões de Razão + Ação + AgenteRancher -- "4" --> MCP1 + AgenteFleet -- "4" --> MCP1 + AgenteProv -- "4" --> MCP1 + AgenteAppCo -- "4" --> MCP2 + AgenteObs -- "4" --> MCP_Obs + AgenteSeg -- "4" --> MCP_Sec + AgentePersonalizado -- "4" --> MCP4 %% Conexões de API MCP1 -- "5" --> APIRancher MCP2 -- "5" --> APIAppCo MCP_Obs -- "5" --> DBMétricas MCP_Sec -- "5" --> DBVuln MCP4 -- "5" --> APIExterna %% Estilo estilo Liz fill:#f9f,stroke:#333,stroke-width:2px estilo LLMLocal fill:#fff3cd,stroke:#ffc107,stroke-dasharray: 5 5 estilo LLMPúblico fill:#fff3cd,stroke:#ffc107,stroke-dasharray: 5 5 + estilo Nota fill:#fff,stroke:none + estilo AgenteRancher fill:#d4edda,stroke:#28a745 + estilo AgenteFleet fill:#d4edda,stroke:#28a745 + estilo AgenteProv fill:#d4edda,stroke:#28a745 + estilo AgenteAppCo fill:#d4edda,stroke:#28a745 + estilo AgenteObs fill:#d4edda,stroke:#28a745 + estilo AgenteSeg fill:#d4edda,stroke:#28a745 + estilo MCP_Obs fill:#cce5ff,stroke:#007bff + estilo MCP_Sec fill:#cce5ff,stroke:#007bff