---
title: AI SRE
description: "AI-ассистент для анализа инцидентов: корреляция телеметрии, гипотезы о первопричине, MCP и обязательный контроль человеком."
---

## Что делает AI SRE

**AI SRE** — ассистент инженера, который помогает исследовать состояние production: собирает связанные события, сопоставляет изменения с телеметрией и формулирует проверяемые гипотезы. Это не автономный владелец сервиса и не замена процессу реагирования.

Полезная особенность подхода — работа сразу с несколькими источниками:

- недавние деплои и изменения конфигурации;
- логи, метрики, трассировки и исключения;
- карта сервисов и зависимостей;
- внешние проверки и пользовательские события;
- хронология инцидента, runbooks и прошлые postmortem.

Например, ассистент может обнаружить, что рост p95 начался после релиза, локализовать медленный span и предложить проверить изменённый запрос к базе. Вывод остаётся гипотезой, пока инженер не подтвердил её данными.

## Рабочий сценарий

```text
Сигнал → сбор контекста → 2–3 гипотезы → доказательства за/против
      → проверка человеком → одобренное действие → наблюдение за результатом
```

На этапе расследования AI может ускорить поиск по логам, построение графиков и сопоставление событий. На этапе восстановления приоритет остаётся у Incident Commander и инженеров: сначала ограничить влияние и восстановить сервис, затем разбирать первопричину.

## MCP и другие интерфейсы

Через **Model Context Protocol (MCP)** телеметрию и операции можно подключить к существующему LLM-интерфейсу. Другой вариант — встроенный чат в Slack, Teams или продукте наблюдаемости.

Технический интерфейс не гарантирует безопасность. Для подключения нужны:

- отдельные учётные данные с минимально необходимыми правами;
- read-only доступ по умолчанию;
- список разрешённых источников и операций;
- маскирование секретов и персональных данных;
- журнал запросов и вызванных инструментов;
- сроки хранения и регион обработки, согласованные с требованиями проекта.

Данные из логов и внешних систем могут содержать вредоносные инструкции. Ассистент должен рассматривать их как данные расследования, а не как команды.

## Границы автономности

- **Допустимо автоматически:** искать события, строить сводки, сравнивать периоды, предлагать гипотезы и черновики postmortem.
- **Только после явного подтверждения:** создавать тикет, менять статус инцидента, отправлять внешнее сообщение или формировать pull request.
- **Не отдавать без отдельной защищённой системы контроля:** rollback, изменение production-конфигурации, масштабирование, перезапуск и любые деструктивные операции.

Human-in-the-loop должен видеть, какое действие и на каком окружении будет выполнено. Одного общего разрешения «действуй» недостаточно.

## Ограничения подхода

AI не восполняет отсутствие instrumentation: без correlation IDs, свежих метрик и истории деплоев ассистент получает неполный контекст. Он может неверно связать совпавшие по времени события или выдать уверенный ответ без доказательств. Поэтому полезно требовать ссылки на конкретные логи, spans, графики и изменения.

Оценивать AI SRE стоит по качеству расследования: доля подтверждённых гипотез, время до полезного контекста, ошибочные рекомендации и количество действий, которые пришлось отменить.

## Связанные инструменты

- [Better Stack](https://wpcraft.ru/kb/infrastructure/tools/better-stack.md) — AI SRE, телеметрия, MCP и управление инцидентами.
- [OpenTelemetry](https://wpcraft.ru/kb/infrastructure/tools/open-telemetry.md) — переносимый сбор трасс, метрик и логов.
- [Sentry](https://wpcraft.ru/kb/infrastructure/tools/sentry.md) — исключения, releases и контекст ошибок.

## Связанные материалы

- [SRE](https://wpcraft.ru/kb/infrastructure/sre.md) — инженерная практика, внутри которой работает ассистент.
- [Управление инцидентами](https://wpcraft.ru/kb/infrastructure/incidents.md) — роли и процесс восстановления.
- [Наблюдаемость AI-агентов](https://wpcraft.ru/kb/ai/agents/observability.md) — оценка поведения и стоимости самих агентных систем.

## Материалы и источники

- [Better Stack: AI SRE](https://betterstack.com/ai-sre) — пример корреляции телеметрии, MCP и human-in-the-loop.
- [Google SRE: Managing Incidents](https://sre.google/sre-book/managing-incidents/) — роли и координация при восстановлении.
- [OpenTelemetry: Observability primer](https://opentelemetry.io/docs/concepts/observability-primer/) — источники данных для анализа системы.
- [Model Context Protocol: Security](https://modelcontextprotocol.io/specification/draft/basic/security_best_practices) — практики безопасности MCP-подключений.