技術概要：GraphMind

問題定義

インシデント管理などのタスクにおいて、人員、ツール、情報を調整する企業の複雑な運用ワークフローは、エンドツーエンドで自動化することが困難です。現在のソリューションは、以下の 4 つの主要な限界に直面しています。

1. 高い作成コスト: ナレッジアーティファクト（プレイブック）を手動で作成するには、深いドメイン専門知識が必要です。
2. 保守の負担: 静的なアーティファクトは、本番システムが進化するにつれて陳腐化します。
3. 検索の非効率性: 非構造化または平坦な検索手法は、過剰なコンテキストトークンを消費し、因果関係を捉えきれません。
4. 適応性の欠如: 既存のシステムは、エッジケースや変化する運用条件に対処するために、実行フィードバックから学習することができません。

大規模言語モデル（LLM）エージェントは自動化への関心を再燃させましたが、純粋にプロンプト駆動のアプローチは依然として脆いです。一方、運用トレース（専門家の解決の履歴記録）は豊富ですが、構造化された再利用可能なナレッジとして十分に活用されていません。

手法

GraphMind は、人間の努力なしに、アクション中心のワークフローグラフを構築、実行、進化させるエンドツーエンドのシステムです。これは、アリコロニー最適化（ACO）に着想を得た 3 つの中核的な柱を通じて動作します。

1. オフライングラフ構築（ウォームスタート）

このフェーズでは、生きた運用トレースを構造化された検索可能なワークフローグラフに変換します。

• スキーマ: システムは、3 つのエンティティタイプ（ドメイン、問題、アクション）と 4 つのエッジ関係（CAUSES、RESOLVES、LEADS_TO、BELONGS_TO）を持つ型付きグラフを定義します。
• 抽出パイプライン: マルチエージェントパイプラインが、問題トラッカーや解決トレースなどの異種ソースを処理します。LLM を使用して問題、アクション、因果的な順序を抽出し、冗長なノードを剪定します。
• インクリメンタル構築: 継続的なデータ増加に対処するため、システムはデクラスタリングとマージ戦略を採用します。新しいトレースを既存のデータとマージし、軽量な埋め込みベースの凝集クラスタリング処理でノードを重複排除（意味的に類似した問題/アクションをグループ化）することで、完全な再構築なしにクリーンなグラフを維持します。
• 効率性: このアプローチにより、オンライン検索は有界なグラフ探索に削減され、生ログの処理や完全に解決されたエンティティ中心のナレッジグラフの処理に伴う高コストを回避します。

2. オンラインマルチエージェントグラフ探索

オンラインエンジンはグラフをナビゲートし、ワークフローを動的に構築して実行します。

• オーケストレーション: 調整エージェントや実行エージェントなどのエージェントチームが、ネストされた制御フローで動作します。外側のループがグローバルな調査コンテキストを管理し、内側のループが反復的なグラフ探索を実行します。
• 探索アルゴリズム:
  • グラフローダー: 各ステップで、LLM が関連するノードタイプとクエリを決定します。ベクトル類似性を通じてトップ-k のルートノードを検索し、m ホップの近傍を展開します。重要なのは、エッジの展開が確率的であり、歴史的に成功した経路を優先しつつ探索を可能にするために、ログ圧縮された強化学重み（$\log(1 + \phi(e))$）によってバイアスがかかることです。
  • アクションプランナー: LLM は、調査コンテキスト、抽出されたサブグラフ（強化学重み付きの Mermaid 図として可視化）、およびシステム指示に基づいて、候補アクションを選択します。
  • 実行: 専門のエージェントが診断アクション（KQL クエリなど）を実行するか、緩和推奨事項を提示します。
• 安全性: 高影響の緩和策は人間の承認を推奨し、診断クエリは自律的に実行されます。

3. 適応的探索強化（ATR）

この閉ループ機構により、グラフは実行結果に基づいて自己最適化できます。

• 強化の堆積: 探索後、有用性、根拠、ユーザーフィードバックに基づいて解決品質スコア（$Q$）が計算されます。$Q$ がしきい値を超えた場合、強化が探索されたノードとエッジに堆積されます。より短い成功経路は、要素ごとのより強い強化を受けます。
• 時間的減衰: 陳腐化を防ぎ、新しい失敗モードへの適応を促すため、すべての重みは時間とともに減衰します（$\phi(x) \leftarrow (1-\rho)\phi(x)$）。
• エッジ合成: 成功した探索が以前にリンクされていなかったノードを連続して訪問する場合、システムは新しいLEADS_TOエッジを合成でき、新しいインシデント間シーケンスを捕捉します。
• 結果: 時間とともに、グラフは自己組織化します。成功した経路は将来のエージェントを導く「高速道路」となり、非効率的な経路は消えていきます。

主要な貢献

1. 初の閉ループシステム: GraphMind は、運用トレースから手動作成ゼロでアクション中心のワークフローグラフを自動的に構築、実行、進化させる最初のシステムとして提示されます。
2. 革新的なナレッジ形式: 共有ノードによるストレージ効率、エージェントフレンドリーな探索、継続的な自己進化を提供するグラフベースの形式を導入し、プレイブック、エージェントスキル、平坦な Trace-RAG の限界に対処します。
3. 適応的探索強化（ATR）: 明示的なナレッジエンジニアリングなしに、ワークフローグラフが実行フィードバックから学習し、成功した経路を強化し、陳腐化した要素を減衰させることを可能にする、ACO に着想を得た機構です。
4. 本番環境への展開: このシステムは、マイクロソフトの 4 つの本番クラウドデータベースサービスでインシデント調査のために展開されています。

結果

このシステムは、オフライン抽出、制御されたオンライン探索、および 35 日間のフィールドスタディにわたる本番データで評価されました。

• オフライン抽出: パイプラインは、ノード抽出で F1 スコア0.89、エッジ抽出で0.92を達成しました。コストはインシデントあたり約0.22 ドルでした。
• オンライン探索（Trace-RAG と比較）: インシデントの LLM 要約を検索する Trace-RAG ベースラインと比較して、GraphMind は以下を示しました:
  • 緩和到達率: 98.5% 対 90.9%。
  • 根拠: 96.2% 対 77.3%。
  • 有用性: 3.49/5 対 3.32/5。
  • KQL スループット: 4 倍高い（インシデントあたり 10.0 対 2.5 の成功クエリ）。
  • 専門家レビュー: ドメイン専門家によるブラインドレビューでは、GraphMind は4.95/5（94.7% 完璧）と評価され、Trace-RAG の 3.68 と比較されました。
• ATR の影響: 163 のインシデントにおける強化ありとなしの実行を比較したところ、ATR は根拠を 2.7 パーセントポイント（92.2% 対 89.5%）向上させ、KQL スループットを14%（17.2 対 15.1）増加させました。
• フィールドスタディ: 4 つのサービス（88 の会話）にわたる 35 日間の研究において、GraphMind は以下を達成しました:
  • 実行可能な出力: 会話の 97% が実行可能な結果を生成しました。
  • レイテンシ: 1 ラウンドあたりの中央値レイテンシは7.7 秒でした。
  • クエリ成功: 生成された KQL クエリの 84% がデータを返しました。
  • 失敗モード: 失敗は主にカバレッジの欠如（新しいサービス）とテレメトリーの有効期限切れに起因しており、システム設計の欠陥によるものではありませんでした。

意義と主張

本論文は、GraphMind が自律エージェントの大規模な実行からワークフローグラフが学習し、改善できることを実証していると主張しています。静的なナレッジアーティファクトから、強化と減衰を通じて自己組織化する「生きている」インフラへの移行により、このシステムは現在の LLM エージェントの脆さと、手動プレイブックの保守負担に対処します。

著者は、このシステムが以下を独自に組み合わせていることを強調しています。

• 共有グラフノードによるストレージ効率。
• グラフガイド検索によるエージェントフレンドリーな探索。
• 作成や保守におけるゼロの人的努力。
• 運用トレースとともに成長する拡張可能なカバレッジ。
• ATR レイヤーによる継続的な自己進化。

この研究は、この群れに着想を得たパラダイムが、インシデント管理を超えて、ソフトウェアデバッグや臨床意思決定支援などの他の運用ドメインに一般化する可能性を示唆していますが、現在の評価はクラウドデータベースのインシデント管理に特化しています。