Azure Copilot 可觀察性代理：從警示洪水走向可追蹤的事件調查

Azure Monitor 加入 AI 營運助理，能用自然語言分析遙測、關聯警示並保留調查脈絡，但自主操作仍有人為把關。

Azure Copilot 可觀察性代理（Observability Agent）是整合於 Azure Monitor 的 AI 營運助理。它的重點不只是「幫忙查資料」，而是串起聊天、事件調查、問題追蹤與背景警示關聯，讓團隊更快把原始訊號整理成可理解的說明與後續步驟。

對維運團隊來說，真正有價值之處在於縮短理解事故的時間，並把調查脈絡保存下來，避免交接時只能依賴零散對話或個人記憶。

三種主要使用方式

可觀察性代理目前涵蓋三類工作流程：

1. 與資料聊天：用自然語言探索日誌、指標及相關遙測資料，不必一開始就撰寫複雜查詢。
2. 深入調查問題：跨應用程式、基礎設施與 Azure 平台訊號進行分析，並把發現保存成 Azure Monitor 問題。
3. 執行自主操作（預覽）：在背景關聯警示，依照環境與業務脈絡建立問題，交由值班人員審查。

前兩項功能可直接開始使用，不需要先建立額外資源。只有在要啟用自主操作時，才需要建立 Observability Agent 資源。

對話式分析不只是回答問題

使用者可以在對話中逐步追問，例如：

• 哪個服務最早出現異常？
• 錯誤率上升是否和某部虛擬機器的資源使用率有關？
• 特定 AKS 工作負載是否同時出現延遲與相依服務失敗？
• 目前證據比較支持應用程式問題，還是 Azure 平台事件？

代理會維持當次對話的脈絡，並說明分析時考量了哪些訊號，以及這些訊號為何可能相關。這種透明度很重要：維運人員需要的不只是結論，更要知道結論建立在哪些觀測資料上，才能判斷是否值得採取行動。

聊天範圍會受到啟動代理時所在資源的限制，因此回答是以該資源可取得的遙測資料為依據，而不是任意搜尋整個 Azure 環境。

深入調查：把跨層訊號整理成事件脈絡

當系統已經出錯，需要回答「發生什麼事」與「下一步怎麼做」時，可以啟動深入調查。代理會收集並關聯不同層級的訊號，包括：

• 應用程式遙測
• 基礎設施資料
• Azure 平台訊號

調查完成後，系統會整理發現並提出後續步驟。這項能力已針對 Azure Kubernetes Service（AKS）、Application Insights，以及運行於虛擬機器上的全堆疊分散式系統進行最佳化。

如果分析只停留在臨時工作階段，內容不適合長期協作。需要交接、追蹤或稍後繼續處理時，應將調查儲存為 Azure Monitor 問題（預覽）。如此一來，值班團隊便能共享相同的證據、判斷與操作背景。

自主操作：先整理警示，不直接替你動系統

自主操作目前仍是預覽功能。啟用後，代理會持續分析指定範圍內的警示；當多個警示看起來屬於同一事件時，就會將它們關聯起來並產生 Azure Monitor 問題。

這種設計試圖解決常見的「警示洪水」：值班人員不必逐一查看大量獨立警示，而能先從數量較少、訊號較完整的問題著手。

不過，「自主」並不代表代理可自行修復環境。目前採用的是受控式自主模型，代理不會：

• 自動重新啟動資源
• 變更系統設定
• 自行執行修復或關閉問題

它負責分級、關聯與調查，最終仍由人員檢閱問題、決定是否深入分析，並採取後續行動。這種安排較符合正式維運環境的風險管理需求，也避免 AI 的推論直接變成不可逆的操作。

Observability Agent 資源有什麼作用？

Observability Agent 資源（預覽）是自主操作的執行基礎，提供持久的：

• 身分
• 監控範圍
• 設定
• 治理邊界

若只使用隨選聊天與深入調查，並不需要建立這項資源。當團隊準備把背景任務交給代理，或希望加入自訂規則時，才需要配置它。

用自訂指令保存團隊的營運知識

團隊可以用自然語言撰寫自訂指令，並儲存在 Observability Agent 資源上。代理會在每次自主執行時套用相同規則，例如：

• 哪些警示應視為同一事件
• 哪些服務在營運上彼此獨立
• 哪些工作負載承載營收關鍵流量
• 哪些訊號應獲得較高處理優先級

這些指令具有持久性，可作為 Azure 資源狀態接受稽核，並沿用相同的 Azure RBAC 權限模型。換句話說，它不只是提示詞，也能成為可管理的維運脈絡。新加入的值班人員與後續自主執行，都能沿用相同背景資訊。

實務導入方式

對第一次使用的團隊，可以採取漸進方式：

1. 先從聊天開始：確認現有日誌、指標與遙測是否足以回答日常問題。
2. 以真實事件測試深入調查：觀察跨應用程式與基礎設施的關聯是否合理。
3. 將重要調查存成問題：建立交接與追蹤習慣，避免分析只存在於短暫對話。
4. 整理營運規則：把服務邊界、關鍵工作負載與警示關聯方式寫成自訂指令。
5. 最後才啟用自主操作：先限定範圍，由人員持續審查產生的問題與建議。

代理能否產生可靠洞見，仍取決於遙測資料的品質與涵蓋範圍。若日誌缺漏、命名不一致或服務相依關係難以辨識，再強的分析介面也無法完全補足基礎資料問題。

可用 Azure 區域

目前可觀察性代理可在下列 Azure 區域使用；部分處理是依地理位置而非單一區域進行：

• 澳大利亞中部、澳大利亞東部、澳大利亞東南部
• 巴西南部
• 加拿大中部、加拿大東部
• 印度中部、印度南部
• 美國中部、美國東部、美國東部 2、美國東部 2 EUAP、美國中北部、美國中南部、美國中西部、美國西部、美國西部 2、美國西部 3
• 智利中部、墨西哥中部
• 東亞、東南亞
• 法國中部、德國中西部、義大利北部、西班牙中部
• 印尼中部、馬來西亞西部
• 以色列中部、阿拉伯聯合大公國北部
• 日本東部、日本西部
• 南韓中部、南韓南部
• 紐西蘭北部
• 北歐、西歐
• 挪威東部、波蘭中部
• 南非北部
• 瑞典中部、瑞典南部、瑞士北部
• 英國南部、英國西部

啟用條件與目前限制

可觀察性代理的存取由 Azure Copilot 控制，使用者必須先具備 Azure Copilot 的使用權限。

導入前也要留意以下限制：

• 相同對話無法在 24 小時後繼續。
• 目前僅正式支援英語，其他語言的支援有限。
• Observability Agent 對話目前不支援客戶管理金鑰（Customer-Managed Key，CMK）。
• 資料會依 Azure 資料保護標準，使用 Microsoft 管理的加密金鑰加密。
• 自主操作與 Observability Agent 資源仍屬預覽功能。

值得關注的不是聊天，而是脈絡能否留下來

可觀察性代理最實際的定位，不是取代 SRE 或值班工程師，而是降低資料探索、警示整理與交接的摩擦。自然語言查詢是入口，真正影響維運效率的則是跨層訊號關聯、調查結果保存，以及能否把團隊經驗轉化為持久且可治理的自訂指令。

現階段它仍有人為決策邊界，也存在語言、對話保存時間與加密金鑰支援等限制。較穩健的採用方式，是先把它當成調查與分級助手，在確認遙測品質、權限治理及輸出可信度後，再逐步擴大自主操作的範圍。