|
Dieses Dokument wurde mithilfe automatisierter maschineller Übersetzungstechnologie übersetzt. Wir bemühen uns um korrekte Übersetzungen, übernehmen jedoch keine Gewähr für die Vollständigkeit, Richtigkeit oder Zuverlässigkeit der übersetzten Inhalte. Im Falle von Abweichungen ist die englische Originalversion maßgebend und stellt den verbindlichen Text dar. |
Architektur
Das System ist als hierarchisches Multi-Agenten-Ökosystem konzipiert. Es verwendet einen zentralen Supervisor (Liz), um Anfragen über mehrere spezialisierte KI-Agenten zu orchestrieren, die jeweils mit einem oder mehreren MCP (Model Context Protocol)-Servern verbunden sind.
Komponenten
Der Supervisor (Liz)
Liz ist der Einstiegspunkt des Systems und der Orchestrator des Benutzererlebnisses. Anstatt jede technische Aufgabe direkt auszuführen, fungiert Liz als intelligenter Router.
-
Analysiert die Eingabe des Benutzers, um das erforderliche Fachgebiet (z. B. Sicherheit, Bereitstellung oder Fleet) zu bestimmen.
-
Konsultiert die
AIAgentConfig-Metadaten, um den am besten geeigneten spezialisierten Agenten für die Aufgabe auszuwählen. -
Verfolgt den Standort des Benutzers in der Rancher-Benutzeroberfläche und stellt sicher, dass relevante Cluster-, Namespace- und Ressourcenmetadaten an die Downstream-Agenten weitergegeben werden, um eine "kontextbewusste" Antwort zu liefern.
Spezialisierte KI-Agenten (Die "Crew")
Die spezialisierten Agenten sind die Arbeitspferde des Systems. Jeder Agent ist der Orchestrator der Intelligenz seines spezifischen Fachgebiets. Er verwendet ein großes Sprachmodell (LLM) als seine Denkmaschine, während der Agent selbst die Struktur, Koordination und sichere Ausführung von Aktionen bereitstellt.
-
LLM (Reasoning Engine):
-
Interpretiert Benutzereingaben, die in natürlicher Sprache ausgedrückt sind.
-
Führt den Denkprozess durch: zerlegt komplexe Anfragen in kleinere Schritte.
-
Entscheidet, was als Nächstes geschehen soll (weiter denken vs. handeln).
-
Synthesisiert Ausgaben von Werkzeugen in klare, für Menschen lesbare Antworten.
-
-
Agent (Orchestrator):
-
Kapselt das LLM mit dem ReAct (Reason + Act)-Schema.
-
Entscheidet, wann das LLM weiterdenken oder wann es seinen Anweisungen folgen soll.
-
Ruft externe Werkzeuge (über den MCP-Server) gemäß den Anweisungen des LLM auf.
-
Stellt sichere Interaktionen sicher, indem es das Rancher-Token des Benutzers an den MCP-Server zur Authentifizierung und Autorisierung übergibt.
-
MCP Server
Der MCP-Server fungiert als sicheres, kontrolliertes Gateway zwischen dem ReAct-Agenten und den Rancher- und Kubernetes-APIs. Zu seinen Funktionen gehören:
-
Werkzeuge bereitstellen: Er bietet eine Reihe von gut definierten, sicheren Werkzeugen (API-Endpunkte), die der ReAct-Agent aufrufen kann. Diese Werkzeuge abstrahieren die Komplexität direkter Interaktionen mit der Rancher/Kubernetes-API.
-
Interaktion mit Rancher: Er übersetzt Werkzeugaufrufe des Agenten in die entsprechenden API-Anfragen an den Rancher-Management-Server und ruft Ressourcen ab oder ändert sie nach Bedarf.
UI-Erweiterung
Die UI-Erweiterung bietet die benutzerfreundliche Chatoberfläche innerhalb des Rancher-Dashboards. Sie ist so gestaltet, dass sie ein nahtloser Teil des Rancher-Erlebnisses ist und folgende Aufgaben übernimmt:
-
Benutzereingabe: Sie erfasst Benutzeranfragen und sendet sie an den ReAct-Agenten.
-
Antwortanzeige: Sie erhält Antworten vom ReAct-Agenten und präsentiert sie in einem chatähnlichen Format.
Wie es funktioniert (Der Ablauf)
-
Benutzeranfrage: Der Benutzer reicht eine Anfrage über die UI-Erweiterung ein.
-
Supervisor Routing: Liz identifiziert die Absicht und leitet die Anfrage zusammen mit dem UI-Kontext an den spezialisierten Agenten (zum Beispiel den Fleet Agent) weiter.
-
LLM Reasoning: Das LLM des spezialisierten Agenten interpretiert die Anfrage, denkt über das Problem nach und schlägt einen Aktionsplan vor.
-
Agent Acting: Wenn der Plan externe Operationen erfordert, ruft der Agent die entsprechenden MCP-Server-Tools unter Verwendung des sicheren Tokens des Benutzers auf.
-
Response Formulation: Das LLM nimmt die Ausgaben der Tools und erstellt eine kohärente, menschenlesbare Antwort.
-
Final Response: Liz liefert die synthetisierte Antwort des Agenten zurück an die UI.