В блоге AWS Machine Learning разобран пример ассистента для triage инцидентов на базе Amazon Quick, New Relic Model Context Protocol (MCP) Server и Asana. Решение рассчитано на ситуации, когда инженеру нужно быстро собрать доказательства, понять масштаб влияния на пользователей и зафиксировать последующие задачи. В предложенной схеме все эти шаги объединены в единый разговорный рабочий процесс.
Инженер отправляет один prompt в Amazon Quick. После этого агент сам начинает расследование, собирает данные, формирует краткий отчёт root cause analysis (RCA) со ссылками на доказательства и создаёт отслеживаемую задачу в Asana, чтобы передать её в работу. Внутреннее тестирование на собственных приложениях New Relic показало: такой агент заметно сокращает этап сбора доказательств при triage инцидентов. За счёт этого проблемы устраняются быстрее, уменьшается риск потери знаний между сменами инженеров и поддерживается единый стандарт расследований в on-call ротации.
Агент опирается на встроенные интеграции Amazon Quick с внешними сервисами. В роли коннекторов используются New Relic и Asana: первый даёт инструменты рассуждения для реагирования на инциденты и анализа производительности, второй отвечает за создание задач. Во время расследования агент может вызывать пять инструментов New Relic: generate_alert_insights_report, generate_user_impact_report, analyze_entity_logs, analyze_transactions, natural_language_to_nrql_query.
Ключевые факты
В Amazon Quick можно создать агент‑ассистент для triage инцидентов, который через нативные интеграции использует New Relic Model Context Protocol (MCP) Server и Asana.
Из одного текстового запроса агент Amazon Quick проводит расследование инцидента, формирует краткий отчёт root cause analysis (RCA) со ссылками на доказательства и создаёт отслеживаемую задачу в Asana.
Внутреннее тестирование на собственных приложениях New Relic показало сокращение этапа сбора доказательств в процессе incident triage.
Агент использует пять инструментов рассуждения New Relic: generate_alert_insights_report, generate_user_impact_report, analyze_entity_logs, analyze_transactions и natural_language_to_nrql_query.
