AgentSentinel: A Multi-Agent Framework for Autonomous Root Cause Analysis and Self-Healing in Distributed Systems
本文介绍了 AgentSentinel，这是一个利用大语言模型和专门反馈机制来检测异常、识别根因并在分布式系统中执行自愈修复的自主多智能体框架，在受控的可行性研究中展示了高速检测与修复能力，且实现了零误报。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
现代软件运行在一个由被称为微服务的海量、互联的小型程序组成的复杂网络之上。这些组件不断地相互通信，像接力赛一样传递数据和请求。当其中一部分发生故障时，问题可能会向外扩散，导致其他服务也出现踉跄，最终导致整个系统崩溃。多年来，用于监控这些系统的工具在发出警报方面表现出色。它们可以发现服务器过热或数据库不堪重负的情况，并能向人类工程师发送消息。但在警报响起的一瞬间，自动化便停止了。随后必须由人工介入：醒来、登录、阅读数千行令人困惑的文本日志、查明究竟是哪个特定组件损坏，并进行手动修复。这个过程缓慢、容易出错，并且每停机一小时都可能让公司损失数百万美元。研究人员一直在思考的一个问题是：机器是否不仅能听到警报，还能理解其背后的故事，并在人类需要干预之前就解决问题。
一组研究人员构建了一个名为 AgentSentinel 的原型系统来回答这个问题。它不是一个单一的程序，而是一个由三个专门的数字工作者组成的团队，它们在一个闭环中协同工作。第一个工作者是“观察者”（Observer），它持续监测系统的健康状况。它检查四个关键的故障迹象：计算资源的使用情况、内存占用率、错误发生的频率以及请求响应的延迟时间。如果这些指标超过了特定界限，观察者就会发出警报，并将案件移交给第二个工作者——“推理智能体”（Reasoning Agent）。该智能体由大语言模型驱动，这是一种能够理解自然语言和复杂模式的人工智能。推理智能体不仅仅是查看数字，它还会阅读错误日志并参考不同软件组件之间如何连接的拓扑图。这张地图至关重要，因为它能帮助人工智能区分实际的故障原因与随后出现的症状。例如，如果一个数据库失效，许多其他服务可能会紧接着开始崩溃。如果没有这张地图，AI 可能会归咎于其中一个正在崩溃的服务；有了这张地图，AI 就会知道回溯到数据库，将其视为真正的故障源。
一旦推理智能体识别出罪魁祸首，它会将一个计划传递给第三个工作者——“修复智能体”（Repair Agent）。这个工作者是采取行动的一方，但它行动时极其谨慎。在触碰实时系统之前，它会检查一份严格的允许操作清单，例如重启特定服务、清理内存缓存或增加计算能力以应对负载。它被编程为拒绝任何可能破坏数据或使情况恶化的指令。如果操作是安全的，修复智能体会对运行中的系统执行该操作。在应用修复后，系统会密切观察问题是否真正消失。如果各项指标恢复正常，该事件将被记录为成功，系统回到监控状态。如果问题仍然存在，团队会尝试另一种方法；如果三次尝试均告失败，则会向人类操作员发出警报。从故障出现到问题解决，整个循环都是自动完成的，无需人工干预。
研究人员在一个模拟小型企业软件设置的受控环境中测试了这个系统。他们故意以五种不同的方式破坏了系统：填满内存直至崩溃、突然关闭一项服务、使处理器过载、切断数据库连接以及降低网络流量。在每一种情况下，系统都检测到了问题、找出了根本原因并自行完成了修复。发现问题的平均时间不到两秒，修复问题的平均时间约为五点五秒。在系统正常运行期间，它没有触发任何误报。这些结果表明，将快速检测、智能推理与安全自动化修复相结合，是管理软件基础设施的一种可行方案。然而，作者谨慎地指出，这只是在一个小型、简单的测试平台上进行的原理验证。他们尚未在大型企业所使用的那些由数千个服务以不可预测的方式相互作用的庞大且复杂的网络上测试该系统。
这项研究还强调了系统所保留的“记忆”的重要性。在成功修复后，系统会保存发生的情况以及是如何修复的细节。如果以后再次出现类似问题，系统可以调取过去的解决方案并更快地应用它，就像技师记得以前是如何修理某个特定发动机问题一样。虽然研究人员已经构建了这项记忆功能，但他们尚未准确测量它究竟在多大程度上提高了未来修复的速度。他们也承认，目前的测试并未包含多个故障同时发生的情况，而这在现实世界的灾难中是很常见的。这项工作证明了该架构在受控设置下是有效的，但尚未准备好应对生产环境中的混乱。该团队的下一步工作包括进行更多次的测试以确保结果的一致性、在更大的网络上测试系统，以及完善记忆系统以观察它是否真的能让 AI 从过去的错误中学习。目前，AgentSentinel 是一个工作演示，证明了机器可以被教导不仅要监测麻烦，还要理解并解决麻烦。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。