💻 computer science

MARCA: Multi-Agent Root Cause Analysis with Multi-Modal Data

O artigo propõe o MARCA, um framework multiagente que aborda os desafios da análise de causa raiz em sistemas distribuídos ao utilizar uma arquitetura de controlador-executor-votante para alcançar alta precisão e eficiência, reduzindo simultaneamente o uso de tokens e garantindo a privacidade dos dados.

Autores originais: Yidan Wang

Publicado 2026-09-22

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yidan Wang

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Os sistemas de software modernos já não são máquinas únicas e monolíticas; são vastas e intrincadas cidades de pequenos programas independentes chamados microsserviços que conversam entre si constantemente. Quando uma parte desta cidade digital tropeça, toda a rede pode parar, causando desde atrasos em pagamentos até a queda de sites. Descobrir exatamente qual pequeno programa causou o colapso é uma tarefa conhecida como Análise de Causa Raiz. Durante décadas, engenheiros tentaram automatizar esta busca, mas o volume colossal de dados — logs, números de desempenho e códigos de erro — torna difícil para as ferramentas tradicionais acompanharem o ritmo. Recentemente, poderosos programas de computador conhecidos como Modelos de Linguagem de Grande Escala mostraram potencial para ler e compreender estes fluxos de dados desordenados, tal como um especialista humano faria. No entanto, estes modelos enfrentam os seus próprios obstáculos: podem ficar sobrecarregados com informação excessiva de uma só vez, são caros para operar e o envio de dados sensíveis da empresa para servidores externos levanta sérias preocupações de privacidade.

Um investigador da Universidade de Luxemburgo desenvolveu uma nova abordagem para resolver estes problemas, chamada MARCA. Em vez de depender de um único e massivo programa de computador para ler tudo e adivinhar a resposta, o MARCA divide o trabalho num pequeno grupo de trabalhadores digitais especializados. Imagine uma equipa de detetives onde uma pessoa dirige a investigação, outra recolhe pistas específicas e uma terceira pondera as evidências para tomar uma decisão final. Esta equipa trabalha em conjunto num ciclo, fazendo perguntas, recolhendo dados e refinando a sua teoria até estarem confiantes de que encontraram a verdadeira origem da falha. Ao dividir o trabalho, o sistema evita ficar estagnado por quantidades massivas de dados, mantém a informação sensível em servidores locais para fins de privacidade e utiliza menos poder computacional do que os métodos anteriores.

O investigador testou este sistema multiagente num simulador de plataforma de pagamentos que construiu por si mesmo, bem como em benchmarks públicos utilizados por outros cientistas. Ele injetou vários tipos de falhas no sistema, tais como sobrecarga do processador, preenchimento da memória ou corte de conexões de rede, para ver se o MARCA conseguia identificar corretamente o culpado. Os resultados foram claros: o novo sistema encontrou a causa raiz corretamente cerca de 77 por cento das vezes, uma melhoria significativa em relação aos melhores métodos existentes, que rondavam os 62 por cento. Também provou ser muito melhor a distinguir diferentes tipos de falhas, como diferenciar um abrandamento de rede de uma escassez de memória, alcançando uma pontuação elevada de precisão que sugere que pode lidar com os sinais desordenados e sobrepostos encontrados em sistemas do mundo real.

O que torna esta abordagem distinta é a forma como gere o fluxo de informação. Os métodos tradicionais muitas vezes tentam alimentar todos os dados disponíveis num único modelo de uma só vez, o que pode confundir o sistema ou forçá-lo a ignorar detalhes importantes para que tudo caiba. O MARCA, pelo contrário, age como um investigador focado. Começa no ponto onde o problema foi detetado e depois verifica sistematicamente as conexões que levam de volta à origem. Em cada etapa, um agente "controlador" decide o que observar a seguir, um agente "executor" utiliza ferramentas especializadas para buscar os logs ou números de desempenho relevantes e um agente "votante" combina estas descobertas para atualizar a lista de suspeitos. Este processo repete-se até que as evidências apontem fortemente para um serviço específico. Este método permite que o sistema ignore dados irrelevantes, mantendo a tarefa gerível e eficiente.

O estudo também destacou que simplesmente utilizar um modelo de linguagem mais poderoso não é suficiente para resolver o problema. Quando o investigador comparou a sua abordagem baseada em equipas a um único modelo poderoso tentando fazer todo o trabalho sozinho, o sistema baseado em equipas ainda assim desempenhou significativamente melhor. Isto sugere que a estrutura da investigação — a forma como os agentes colaboram, filtram o ruído e ponderam diferentes tipos de evidência — é mais importante do que a inteligência bruta do modelo individual. O sistema também foi desenhado para ser adaptável; pode aprender com erros passados para ajustar o quanto confia em diferentes tipos de dados, como se deve confiar mais em códigos de erro ou métricas de desempenho, dependendo do que melhor funcionou em cenários anteriores.

Embora os resultados sejam promissores, o investigador teve o cuidado de notar os limites do seu trabalho. O sistema depende de ter um mapa preciso de como os serviços estão conectados; se esse mapa estiver ausente ou desatualizado, a investigação pode perder o rumo. Além disso, em casos onde múltiplos problemas ocorrem exatamente ao mesmo tempo, o sistema por vezes tem dificuldade em separar os sintomas sobrepostos. No entanto, a descoberta central mantém-se: ao organizar a análise num processo colaborativo e iterativo, é possível diagnosticar falhas de software complexas com maior precisão e eficiência do que antes. Esta abordagem oferece um caminho prático para manter sistemas digitais de grande escala a funcionar sem problemas, garantindo que, quando algo corre mal, a resposta certa possa ser encontrada rapidamente sem comprometer a segurança dos dados ou sobrecarregar os recursos computacionais.

Resumo Técnico: MARCA – Análise de Causa Raiz Multi-Agente com Dados Multimodais

1. Declaração do Problema

A Análise de Causa Raiz (RCA - Root Cause Analysis) em arquiteturas de microsserviços distribuídos e de larga escala enfrenta desafios significativos devido à heterogeneidade dos dados de observabilidade (logs, métricas, traços, códigos de retorno) e à complexidade das dependências de serviço. Embora os Grandes Modelos de Linguagem (LLMs) ofereçam potencial para o raciocínio sobre dados não estruturados, sua aplicação direta à RCA é dificultada por:

Limitações de Contexto: Incapacidade de processar dados diagnósticos de grande escala e múltiplas fontes sem sumarização com perda de informação, o que degrada a precisão.
Eficiência Computacional: Altos custos de inferência e latência ao processar logs de sistema e métricas brutas.
Privacidade de Dados: Preocupações quanto à transmissão de dados corporativos sensíveis para modelos comerciais de código fechado.
Adaptabilidade: Sistemas existentes de agente único ou baseados em regras lutam contra modos de falha dinâmicos, formatos de dados em evolução e a necessidade de raciocínio causal cross-modal.

2. Metodologia

O artigo propõe o MARCA, um framework de Análise de Causa Raiz Multi-Agente que formaliza a RCA como um processo de tomada de decisão iterativo. O sistema emprega uma arquitetura Controlador–Executor–Votante para decompor tarefas diagnósticas complexas, integrando execução aumentada por ferramentas com um mecanismo de consenso ponderado.

2.1 Arquitetura Central

Agente Controlador (Controller Agent): Atua como o hub de orquestração. Ele mantém o estado global (conjunto de candidatos, caminho de travessia) e decompõe a tarefa de RCA em uma sequência de ações (ex: iniciar análise, decompor tarefas, gerenciar loops). Ele constró constrói um grafo de dependência direcionado $G=(V, E)$ para confinar o espaço de busca dentro da topologia real do sistema.
Agentes Executores (Executor Agents): Agentes especializados responsáveis pela recuperação intensiva de dados. Eles interagem com ferramentas externas para consultar modalidades específicas de observabilidade (logs, métricas, traços, códigos de retorno) com base nas instruções do Controlador. Eles retornam tuplas de evidência estruturadas contendo pontuações de evidência, pontuações de qualidade de dados e justificativas textuais.
Agente Votante (Voting Agent): Agrega evidências multimodais para resolver conflitos entre hipóteses de causa raiz concorrentes. Em vez de uma simples votação por maioria, ele utiliza um mecanismo de consenso ponderado que considera a confiabilidade da modalidade, a qualidade atual dos dados e a força da evidência.

2.2 Fluxo de Raciocínio

O framework opera em um processo iterativo de malha fechada:

Inicialização da Topologia: O Controlador identifica o nó de entrada de uma anomalia e constró de um grafo de dependência.
Coleta Iterativa de Evidências: O sistema realiza uma travessia de busca em largura ao longo do grafo de dependência. Em cada etapa, o Controlador direciona os Executores para investigar serviços vizinhos. Uma Pontuação de Correlação Causal ( $\xi$ $ξ$ ) é calculada para filtrar ruídos, combinando correlação métrica temporal ( $\rho$ $ρ$ ) e consistência semântica de códigos de retorno ($sim$).
- Equação: $\xi(v_i, v_j) = \lambda_1 \rho(x^{metric}_{v_i}, x^{metric}_{v_j}) + \lambda_2 sim(x^{ret}_{v_i}, x^{ret}_{v_j})$
Pontuação Unificada e Convergência: O Agente Votante atualiza as pontuações de confiança dos candidatos usando uma soma ponderada de evidências. O loop termina quando a confiança de um candidato excede um limite dinâmico, a margem entre os principais candidatos é suficiente, ou o número máximo de iterações é atingido.

2.3 Raciocínio Adaptativo e Aprendizado

Aprendizado em Contexto (In-Context Learning - ICL): Os agentes seguem diretrizes de raciocínio adaptativo (ex: identificação de anomalias semânticas, correspondência de correlação probabilística) em vez de regras heurísticas rígidas. Exemplos de poucos disparos (few-shot) são recuperados dinamicamente com base no tipo de falha e similaridade de topologia.
Aprendizado de Parâmetros: O framework utiliza um paradigma de aprendizado em dois estágios:
- Otimização Offline: A otimização Bayesiana é usada para ajustar os pesos de correlação causal ( $\lambda_1, \lambda_2$ ) e os pesos de confiabilidade da modalidade ( $w_m$ ) em conjuntos de dados de falhas históricos.
- Adaptação Online: Os pesos das modalidades são atualizados via Média Móvel Exponencial (EMA) com base no feedback diagnóstico em tempo real, permitindo que o sistema se adapte a mudanças na qualidade dos dados ou condições do sistema.

2.4 Execução Aumentada por Ferramentas

Para lidar com o contexto e a eficiência, o MARCA delega o processamento de dados de baixo nível para ferramentas especializadas externas (filtragem de logs, reconstrução de traços, detecção de anomalias de métricas). Isso permite que os agentes de LLM mantenam contextos de tarefas de alto nível enquanto delegam operações intensivas de recursos, reduzindo significativamente o uso de tokens.

3. Principais Contribuições

Formulação de Tomada de Decisão Iterativa: O artigo reformula a RCA como um processo iterativo sobre dados de observabilidade heterogêneos, permitindo o raciocínio passo a passo em vez de uma análise de passagem única.
Arquitetura Controlador–Executor–Votante: Um design multi-agente inovador que decompõe a RCA em estágios de planejamento, execução e validação, facilitando o tratamento escalável de contexto e a tomada de decisão robusta.
Mecanismo de Consenso Ponderado: Um método para melhorar a robustez contra sinais diagnósticos ruidosos ou conflitantes, ponderando dinamicamente as evidências com base na confiabilidade da modalidade e na qualidade dos dados.
Validação Empírica: Experimentos extensos demonstrando melhorias significativas sobre os baselines de estado da arte tanto na localização da causa raiz quanto na classificação de falhas.

4. Resultados Experimentais

O autor avaliou o MARCA em um sistema de pagamento construído internamente (usando Chaos Mesh para injeção de falhas) e em dois benchmarks públicos de microsserviços (TrainTicket e MicroSS).

Desempenho: No sistema de pagamento construído, o MARCA (usando Llama-2) alcançou uma acurácia Top-1 de 76,87% e um F1-score de 0,7896. Isso superou significativamente o baseline multimodal mais forte (HolisticRCA com 62,15% Acc@1) e os baselines de LLM de agente único.
Eficiência: O framework reduziu o uso de tokens em aproximadamente 60% em comparação com abordagens de agente único, ao alavancar a recuperação aumentada por ferramentas e a sumarização de evidências estruturadas, garantindo a viabilidade para implantação industrial em tempo real.
Estudos de Ablação: A remoção da Orientação por Topologia causou a queda de desempenho mais significativa (queda relativa de 32,1% em Acc@1), destacando a necessidade de restringir o espaço de busca com informações de dependência do sistema. A remoção de Evidências Multimodais também degradou substancialmente o F1-score, confirmando a importância da integração de dados heterogêneos.
Generalização: O MARA manteve alta acurácia em benchmarks públicos (ex: 74,56% Acc@1 no TrainTicket), demonstrando melhor generalização para arquiteturas de sistemas não vistos em comparação com métodos de agente único.

5. Significância e Alegações

O artigo afirma que o MARCA aborda gargalos críticos nas abordagens de RCA baseadas em LLM, especificamente no que diz respeito à escalabilidade, robustez e implantação prática.

Viabilidade Industrial: Ao reduzir a dependência de contexto e permitir a execução local, o MARCA garante a soberania dos dados e reduz os custos computacionais, tornando-o adequado para ambientes empresariais.
Adaptabilidade: O mecanismo de colaboração dinâmica permite que o sistema se adapte a objetivos e condições de sistema em evolução sem a rigidez das arquiteturas de agente único estáticas.
Efetividade Diagnóstica: A integração de agentes especializados e raciocínio cross-modal supera as limitações do processamento monolítico, fornecendo uma base mais abrangente para identificar causas raízes em sistemas distribuídos complexos.

O autor reconhece limitações, observando que a fidelidade diagnóstica depende da completude dos metadados de topologia (particularmente em ambientes serverless/efêmeros) e da discriminabilidade das modalidades em cenários de falhas simultâneas. Um trabalho futuro é proposto para focar na reconstrução dinâmica de topologia e no ajuste de pesos baseado em aprendizado por reforço.