• Lapisan penyelesaian masalah AI: Mengaitkan log, metrik, jejak, topologi, kesihatan sumber, dan konteks operasi merentas persekitaran awan .
• Sembang bahasa semula jadi: Jurutera boleh bertanya soalan terbuka dan menjalankan siasatan berpandu terhadap data telemetri tanpa perlu menulis pertanyaan Kusto Query Language (KQL) secara manual .
• Penyiasatan mendalam: Ejen membentuk hipotesis, mengumpul bukti, membandingkan isyarat mengikut masa/skop/jenis, mengetepikan penjelasan lemah, dan mempersembahkan jejak penaakulan penuh .
• Ketelusan penaakulan: Ejen memaparkan apa yang ditemui, apa yang diketepikan, dan mengapa, menyokong pertimbangan manusia dan bukannya memintasnya .
• Korelasi isyarat luas: Berfungsi merentas aplikasi terpantau Azure, AKS, VM, telemetri Foundry, infrastruktur, dan isyarat platform .
• Integrasi Azure RBAC: Sembang interaktif dan penyiasatan menggunakan identiti dan kawalan akses berasaskan peranan pengguna yang mendaftar masuk .
• Tiada latihan pada data pengguna: Prompt dan respons tidak digunakan untuk melatih model asas .

Operasi Autonomi (Pratonton Awam)

Bersama GA, Microsoft memperkenalkan operasi autonomi dalam pratonton awam. Keupayaan ini berjalan di latar belakang untuk mengurangkan kerja triage manual:

• Kaitan amaran berterusan: Ejen sentiasa menganalisis amaran yang dihasilkan, mengumpulkan amaran berkaitan ke dalam satu isu Azure Monitor, dan melampirkan penjelasan bahasa semula jadi mengapa amaran tersebut berkaitan .
• Penciptaan isu daripada amaran ketara: Ejen boleh mencipta isu daripada amaran individu yang signifikan berdasarkan arahan tersuai (contohnya, "sentiasa buat isu untuk amaran keterukan 2") .
• Penyiasatan mendalam automatik: Ejen boleh menjalankan penyiasatan mendalam ke atas isu yang diciptanya .

Paling penting, manusia kekal mengawal. Ejen tidak memulakan semula sumber, menukar konfigurasi, atau menyelesaikan isu sendiri . Semua keputusan mitigasi kekal pada jurutera . Operasi autonomi tertakluk kepada Terma Penggunaan Tambahan untuk Pratonton Microsoft Azure .

Bagaimana Ejen Mendiagnosis Gangguan Awan

Ejen ini dimaklumkan oleh pengalaman bertahun-tahun Microsoft menjalankan Azure. Ia direka bentuk untuk mendiagnosis apa yang berlaku semasa gangguan tanpa tekanan, keletihan, atau penglihatan terowong yang boleh menjejaskan pengendali manusia .

Ia menghubungkan log, metrik, jejak, amaran, kebergantungan, graf sumber, kesihatan sumber, log aktiviti, telemetri Foundry, dan perubahan untuk mengesan masalah kembali ke puncanya yang mungkin . Brendan Burns, pencipta bersama Kubernetes, menggambarkan ejen ini sebagai menambah lapisan pembentukan hipotesis di atas automasi deterministik: ejen boleh membentuk teori tentang apa yang salah, mengujinya terhadap data, dan terus berusaha mencari penyelesaian .

Had dan Kekangan

Beberapa kekangan dikenakan pada keluaran semasa:

• Operasi autonomi adalah pratonton awam sahaja—ia tidak dilindungi oleh terma sokongan GA dan tertakluk kepada terma undang-undang pratonton .
• Tiada tindakan autonomi: Ejen menyiasat dan mengesyorkan tetapi tidak memulakan semula sumber, menukar konfigurasi, atau menyelesaikan isu .
• Had arahan tersuai: Arahan tersuai dihadkan kepada 8,192 aksara setiap sumber Observability Agent .
• Had penyiasatan mendalam: Satu operasi penyiasatan mendalam dihadkan kepada 500 Azure Agent Credits (AAC) .
• Tiada penapis khusus untuk isu ciptaan ejen: Dalam paparan senarai isu, hanya awalan tajuk [<AppName>] yang membezakan isu ciptaan ejen .
• Kekangan rantau dan skop: Operasi autonomi berjalan terhadap sumber Microsoft.Monitor/observabilityAgents khusus dengan identiti terurus berskop .

Harga dan Pengebilan

• Model harga berasaskan penggunaan: Anda bayar hanya untuk kerja AI yang dilakukan oleh ejen, diukur dalam Azure Agent Credits (AAC) .
• Tiga corak pengebilan: Sembang (biasanya kos terendah), penyiasatan mendalam (kos lebih tinggi, dihadkan 500 AAC setiap operasi), dan operasi autonomi (kaitan amaran tidak dicaj semasa pratonton; penyiasatan mendalam automatik dicaj) .
• Harga senarai AAC: Tersedia di halaman harga Azure Monitor .
• Tarikh mula pengebilan: 1 Julai 2026 .
• Kaitan amaran: Pengelompokan amaran latar belakang yang berterusan tidak dicaj semasa pratonton awam .

Nota tentang KPMG

Bukti yang ada meliputi pelancaran Agent 365 oleh KPMG (platform tadbir urus ejen Microsoft yang lebih luas), bukan khususnya Observability Agent. KPMG menggunakan Agent 365 untuk 276,000 orang sebagai sebahagian daripada inisiatif tadbir urus ejen seluruh perusahaan . Tiada keputusan atau metrik khusus untuk penggunaan Azure Copilot Observability Agent oleh KPMG sendiri ditemui dalam sumber yang disediakan. Blog dan artikel komuniti Microsoft menyerlahkan pengumuman GA tetapi tidak menyebut KPMG sebagai pengguna awal ejen khusus ini.

• Lapisan penyelesaian masalah AI: Mengaitkan log, metrik, jejak, topologi, kesihatan sumber, dan konteks operasi merentas persekitaran awan .
• Sembang bahasa semula jadi: Jurutera boleh bertanya soalan terbuka dan menjalankan siasatan berpandu terhadap data telemetri tanpa perlu menulis pertanyaan Kusto Query Language (KQL) secara manual .
• Penyiasatan mendalam: Ejen membentuk hipotesis, mengumpul bukti, membandingkan isyarat mengikut masa/skop/jenis, mengetepikan penjelasan lemah, dan mempersembahkan jejak penaakulan penuh .
• Ketelusan penaakulan: Ejen memaparkan apa yang ditemui, apa yang diketepikan, dan mengapa, menyokong pertimbangan manusia dan bukannya memintasnya .
• Korelasi isyarat luas: Berfungsi merentas aplikasi terpantau Azure, AKS, VM, telemetri Foundry, infrastruktur, dan isyarat platform .
• Integrasi Azure RBAC: Sembang interaktif dan penyiasatan menggunakan identiti dan kawalan akses berasaskan peranan pengguna yang mendaftar masuk .
• Tiada latihan pada data pengguna: Prompt dan respons tidak digunakan untuk melatih model asas .

Operasi Autonomi (Pratonton Awam)

Bersama GA, Microsoft memperkenalkan operasi autonomi dalam pratonton awam. Keupayaan ini berjalan di latar belakang untuk mengurangkan kerja triage manual:

• Kaitan amaran berterusan: Ejen sentiasa menganalisis amaran yang dihasilkan, mengumpulkan amaran berkaitan ke dalam satu isu Azure Monitor, dan melampirkan penjelasan bahasa semula jadi mengapa amaran tersebut berkaitan .
• Penciptaan isu daripada amaran ketara: Ejen boleh mencipta isu daripada amaran individu yang signifikan berdasarkan arahan tersuai (contohnya, "sentiasa buat isu untuk amaran keterukan 2") .
• Penyiasatan mendalam automatik: Ejen boleh menjalankan penyiasatan mendalam ke atas isu yang diciptanya .

Paling penting, manusia kekal mengawal. Ejen tidak memulakan semula sumber, menukar konfigurasi, atau menyelesaikan isu sendiri . Semua keputusan mitigasi kekal pada jurutera . Operasi autonomi tertakluk kepada Terma Penggunaan Tambahan untuk Pratonton Microsoft Azure .

Bagaimana Ejen Mendiagnosis Gangguan Awan

Ejen ini dimaklumkan oleh pengalaman bertahun-tahun Microsoft menjalankan Azure. Ia direka bentuk untuk mendiagnosis apa yang berlaku semasa gangguan tanpa tekanan, keletihan, atau penglihatan terowong yang boleh menjejaskan pengendali manusia .

Ia menghubungkan log, metrik, jejak, amaran, kebergantungan, graf sumber, kesihatan sumber, log aktiviti, telemetri Foundry, dan perubahan untuk mengesan masalah kembali ke puncanya yang mungkin . Brendan Burns, pencipta bersama Kubernetes, menggambarkan ejen ini sebagai menambah lapisan pembentukan hipotesis di atas automasi deterministik: ejen boleh membentuk teori tentang apa yang salah, mengujinya terhadap data, dan terus berusaha mencari penyelesaian .

Had dan Kekangan

Beberapa kekangan dikenakan pada keluaran semasa:

• Operasi autonomi adalah pratonton awam sahaja—ia tidak dilindungi oleh terma sokongan GA dan tertakluk kepada terma undang-undang pratonton .
• Tiada tindakan autonomi: Ejen menyiasat dan mengesyorkan tetapi tidak memulakan semula sumber, menukar konfigurasi, atau menyelesaikan isu .
• Had arahan tersuai: Arahan tersuai dihadkan kepada 8,192 aksara setiap sumber Observability Agent .
• Had penyiasatan mendalam: Satu operasi penyiasatan mendalam dihadkan kepada 500 Azure Agent Credits (AAC) .
• Tiada penapis khusus untuk isu ciptaan ejen: Dalam paparan senarai isu, hanya awalan tajuk [<AppName>] yang membezakan isu ciptaan ejen .
• Kekangan rantau dan skop: Operasi autonomi berjalan terhadap sumber Microsoft.Monitor/observabilityAgents khusus dengan identiti terurus berskop .

Harga dan Pengebilan

• Model harga berasaskan penggunaan: Anda bayar hanya untuk kerja AI yang dilakukan oleh ejen, diukur dalam Azure Agent Credits (AAC) .
• Tiga corak pengebilan: Sembang (biasanya kos terendah), penyiasatan mendalam (kos lebih tinggi, dihadkan 500 AAC setiap operasi), dan operasi autonomi (kaitan amaran tidak dicaj semasa pratonton; penyiasatan mendalam automatik dicaj) .
• Harga senarai AAC: Tersedia di halaman harga Azure Monitor .
• Tarikh mula pengebilan: 1 Julai 2026 .
• Kaitan amaran: Pengelompokan amaran latar belakang yang berterusan tidak dicaj semasa pratonton awam .

Nota tentang KPMG

Bukti yang ada meliputi pelancaran Agent 365 oleh KPMG (platform tadbir urus ejen Microsoft yang lebih luas), bukan khususnya Observability Agent. KPMG menggunakan Agent 365 untuk 276,000 orang sebagai sebahagian daripada inisiatif tadbir urus ejen seluruh perusahaan . Tiada keputusan atau metrik khusus untuk penggunaan Azure Copilot Observability Agent oleh KPMG sendiri ditemui dalam sumber yang disediakan. Blog dan artikel komuniti Microsoft menyerlahkan pengumuman GA tetapi tidak menyebut KPMG sebagai pengguna awal ejen khusus ini.