Observability Agent fungerer som en AI-drevet assistent integreret i Azure Monitor, der er forankret i reel telemetridata . Dens kernefunktioner inkluderer:

• AI-drevet fejfindingslag: Korrelerer logs, metrics, spor, topologi, resourcetilstand og operationel kontekst på tværs af cloudmiljøer .
• Chat på naturligt sprog: Giver ingeniører mulighed for at stille åbne spørgsmål og foretage guidede undersøgelser mod telemetridata uden at skulle skrive Kusto Query Language (KQL)-forespørgsler manuelt .
• Dybdegående undersøgelser: Agenten opstiller hypoteser, indsamler beviser, sammenligner signaler efter tid/omfang/type, afviser svage forklaringer og præsenterer et fuldt ræsonnementsspor .
• Gennemsigtig ræsonnering: Agenten viser, hvad den fandt, hvad den afviste, og hvorfor, hvilket understøtter menneskelig dømmekraft frem for at omgå den .
• Bred signalkorrelation: Fungerer på tværs af Azure-overvågede applikationer, AKS, VM'er, Foundry-telemetri, infrastruktur og platformsignaler .
• Azure RBAC-integration: Interaktiv chat og undersøgelser bruger den loggede brugers identitet og rollebaserede adgangskontrol .
• Ingen træning på brugerdata: Prompts og svar bruges ikke til at træne fundamentmodeller .

Autonom drift (offentligt preview)

Sammen med GA introducerede Microsoft autonom drift i offentligt preview. Disse kapaciteter kører i baggrunden for at reducere manuelt triagearbejde:

• Kontinuerlig alarmkorrelation: Agenten analyserer løbende alarmer, efterhånden som de udløses, grupperer relaterede alarmer i en enkelt Azure Monitor-issue og vedhæfter en naturlig sprogforklaring af, hvorfor disse alarmer hører sammen .
• Oprettelse af issues fra prominente alarmer: Agenten kan oprette issues baseret på individuelle betydningsfulde alarmer ud fra brugerdefinerede instruktioner (f.eks. "opret altid en issue for severity 2-alarmer") .
• Automatiske dybdegående undersøgelser: Agenten kan køre dybdegående undersøgelser på issues, den selv har oprettet .

Afgørende er det, at mennesker fortsat har kontrollen. Agenten genstarter ikke ressourcer, ændrer konfiguration eller løser problemer på egen hånd . Alle afhjælpningsbeslutninger forbliver hos ingeniøren . Autonom drift er underlagt Microsoft Azures supplerende vilkår for previews .

Sådan diagnosticerer agenten sky-nedbrud

Agenten er baseret på Microsofts mangeårige erfaring med at køre Azure. Den er designet til at diagnosticere, hvad der går galt under nedbrud uden den stress, træthed eller tunnelsyn, der kan påvirke menneskelige operatører .

Den forbinder logs, metrics, spor, alarmer, afhængigheder, ressourcegraf, ressourcehelbred, aktivitetslogs, Foundry-telemetri og ændringer for at spore et problem tilbage til dets sandsynlige årsag . Kubernetes-medskaberen Brendan Burns beskrev agenten som et hypoteseformende lag oven på deterministisk automatisering: agenten kan danne en teori om, hvad der gik galt, teste den mod dataene og fortsætte med at arbejde hen mod en løsning .

Begrænsninger og begrænsninger

Flere begrænsninger gælder for den nuværende udgivelse:

• Autonom drift er kun i offentligt preview – de er ikke omfattet af GA-supportvilkår og er underlagt preview-juridiske vilkår .
• Ingen autonom handling: Agenten undersøger og anbefaler, men genstarter ikke ressourcer, ændrer konfiguration eller løser problemer .
• Brugerdefinerede instruktioner begrænset til 8.192 tegn per Observability Agent-ressource .
• Loft for dybdegående undersøgelser: En enkelt dybdegående undersøgelsesoperation er begrænset til 500 Azure Agent Credits (AAC) .
• Ingen dedikeret filter for agent-oprettede issues: I issues-listvisningen er det kun titelpræfikset [<AppName>], der adskiller agent-oprettede issues .
• Regions- og omfangsbegrænsninger: Autonom drift kører mod en dedikeret Microsoft.Monitor/observabilityAgents-ressource med scoped managed identity .

Priser og fakturering

• Forbrugsbaseret prismodel: Du betaler kun for det AI-arbejde, agenten udfører, målt i Azure Agent Credits (AAC) .
• Tre faktureringsmønstre: Chat (normalt lavest omkostning), dybdegående undersøgelser (højere omkostning, loft på 500 AAC per operation) og autonom drift (alarmkorrelation faktureres ikke under preview; automatiske dybdegående undersøgelser faktureres) .
• AAC-listepriser: Tilgængelige på Azure Monitor-prissiden .
• Faktureringsstartdato: 1. juli 2026 .
• Alarmkorrelation: Den kontinuerlige baggrundsgruppering af alarmer faktureres ikke under offentligt preview .

Bemærkning om KPMG

Tilgængelig dokumentation dækker KPMGs udrulning af Agent 365 (Microsofts bredere agentstyringsplatform), ikke Observability Agent specifikt. KPMG implementerede Agent 365 til 276.000 medarbejdere som en del af et virksomhedsdækkende agentstyringsinitiativ . Ingen specifikke resultater eller målinger for KPMGs brug af Azure Copilot Observability Agent i sig selv blev fundet i de tilgængelige kilder. Microsofts blogindlæg og community-artikler fremhæver GA-meddelelsen, men citerer ikke KPMG som en tidlig bruger af netop denne agent.

Observability Agent fungerer som en AI-drevet assistent integreret i Azure Monitor, der er forankret i reel telemetridata . Dens kernefunktioner inkluderer:

• AI-drevet fejfindingslag: Korrelerer logs, metrics, spor, topologi, resourcetilstand og operationel kontekst på tværs af cloudmiljøer .
• Chat på naturligt sprog: Giver ingeniører mulighed for at stille åbne spørgsmål og foretage guidede undersøgelser mod telemetridata uden at skulle skrive Kusto Query Language (KQL)-forespørgsler manuelt .
• Dybdegående undersøgelser: Agenten opstiller hypoteser, indsamler beviser, sammenligner signaler efter tid/omfang/type, afviser svage forklaringer og præsenterer et fuldt ræsonnementsspor .
• Gennemsigtig ræsonnering: Agenten viser, hvad den fandt, hvad den afviste, og hvorfor, hvilket understøtter menneskelig dømmekraft frem for at omgå den .
• Bred signalkorrelation: Fungerer på tværs af Azure-overvågede applikationer, AKS, VM'er, Foundry-telemetri, infrastruktur og platformsignaler .
• Azure RBAC-integration: Interaktiv chat og undersøgelser bruger den loggede brugers identitet og rollebaserede adgangskontrol .
• Ingen træning på brugerdata: Prompts og svar bruges ikke til at træne fundamentmodeller .

Autonom drift (offentligt preview)

Sammen med GA introducerede Microsoft autonom drift i offentligt preview. Disse kapaciteter kører i baggrunden for at reducere manuelt triagearbejde:

• Kontinuerlig alarmkorrelation: Agenten analyserer løbende alarmer, efterhånden som de udløses, grupperer relaterede alarmer i en enkelt Azure Monitor-issue og vedhæfter en naturlig sprogforklaring af, hvorfor disse alarmer hører sammen .
• Oprettelse af issues fra prominente alarmer: Agenten kan oprette issues baseret på individuelle betydningsfulde alarmer ud fra brugerdefinerede instruktioner (f.eks. "opret altid en issue for severity 2-alarmer") .
• Automatiske dybdegående undersøgelser: Agenten kan køre dybdegående undersøgelser på issues, den selv har oprettet .

Afgørende er det, at mennesker fortsat har kontrollen. Agenten genstarter ikke ressourcer, ændrer konfiguration eller løser problemer på egen hånd . Alle afhjælpningsbeslutninger forbliver hos ingeniøren . Autonom drift er underlagt Microsoft Azures supplerende vilkår for previews .

Sådan diagnosticerer agenten sky-nedbrud

Agenten er baseret på Microsofts mangeårige erfaring med at køre Azure. Den er designet til at diagnosticere, hvad der går galt under nedbrud uden den stress, træthed eller tunnelsyn, der kan påvirke menneskelige operatører .

Den forbinder logs, metrics, spor, alarmer, afhængigheder, ressourcegraf, ressourcehelbred, aktivitetslogs, Foundry-telemetri og ændringer for at spore et problem tilbage til dets sandsynlige årsag . Kubernetes-medskaberen Brendan Burns beskrev agenten som et hypoteseformende lag oven på deterministisk automatisering: agenten kan danne en teori om, hvad der gik galt, teste den mod dataene og fortsætte med at arbejde hen mod en løsning .

Begrænsninger og begrænsninger

Flere begrænsninger gælder for den nuværende udgivelse:

• Autonom drift er kun i offentligt preview – de er ikke omfattet af GA-supportvilkår og er underlagt preview-juridiske vilkår .
• Ingen autonom handling: Agenten undersøger og anbefaler, men genstarter ikke ressourcer, ændrer konfiguration eller løser problemer .
• Brugerdefinerede instruktioner begrænset til 8.192 tegn per Observability Agent-ressource .
• Loft for dybdegående undersøgelser: En enkelt dybdegående undersøgelsesoperation er begrænset til 500 Azure Agent Credits (AAC) .
• Ingen dedikeret filter for agent-oprettede issues: I issues-listvisningen er det kun titelpræfikset [<AppName>], der adskiller agent-oprettede issues .
• Regions- og omfangsbegrænsninger: Autonom drift kører mod en dedikeret Microsoft.Monitor/observabilityAgents-ressource med scoped managed identity .

Priser og fakturering

• Forbrugsbaseret prismodel: Du betaler kun for det AI-arbejde, agenten udfører, målt i Azure Agent Credits (AAC) .
• Tre faktureringsmønstre: Chat (normalt lavest omkostning), dybdegående undersøgelser (højere omkostning, loft på 500 AAC per operation) og autonom drift (alarmkorrelation faktureres ikke under preview; automatiske dybdegående undersøgelser faktureres) .
• AAC-listepriser: Tilgængelige på Azure Monitor-prissiden .
• Faktureringsstartdato: 1. juli 2026 .
• Alarmkorrelation: Den kontinuerlige baggrundsgruppering af alarmer faktureres ikke under offentligt preview .

Bemærkning om KPMG

Tilgængelig dokumentation dækker KPMGs udrulning af Agent 365 (Microsofts bredere agentstyringsplatform), ikke Observability Agent specifikt. KPMG implementerede Agent 365 til 276.000 medarbejdere som en del af et virksomhedsdækkende agentstyringsinitiativ . Ingen specifikke resultater eller målinger for KPMGs brug af Azure Copilot Observability Agent i sig selv blev fundet i de tilgængelige kilder. Microsofts blogindlæg og community-artikler fremhæver GA-meddelelsen, men citerer ikke KPMG som en tidlig bruger af netop denne agent.