网络运维AI Agents智能体开发：大模型驱动的NetOps工作流实战
**** Hidden Message *****网络运维AI Agents智能体开发：基于 Python、Ollama 与 MCP 设计大模型驱动的 NetOps 工作流 英文版 共226页 可以AI翻译阅读
构建基于人工智能的网络故障排查工作流程：该流程能够解析命令行输出、调用经过验证的工具、使用MCP技术，并将相关证据保存下来以便后续查看。
主要特点
●利用Python、Ollama以及经过验证的CLI工具，为网络运维构建本地LLM工作流程。
●创建能够利用内存、经过认可的工具以及可靠证据来进行故障排查的代理程序。
●将MCP与可重复使用的网络工具打包，并规划受控的只读测试方案。
网络故障排查过程中其实存在许多线索，但这些线索往往隐藏在大量的警报信息、冗长的命令行输出结果、不完整的拓扑结构信息以及不完善的故障传递机制之中。《构建网络运维AI Agents 智能体开发》一书介绍了如何以可控的方式运用人工智能AI Agents、大型语言模型以及网络自动化技术，从而让工程师能够获得更清晰的故障线索，同时不会失去对系统的验证能力与操作控制权。
您将首先使用Ollama和Python来构建本地LLM工作流程，接着通过简单的RACE提示结构，让那些需要重复执行的NetOps任务更加清晰、安全，同时也更便于审查。您还需要将接口及BGP相关的输出数据转换为结构化数据，构建能够记录故障排查相关信息的聊天机器人，并将该模型与用于检测设备状态、接口状况、可达性、拓扑结构以及BGP运行状况的各类工具相连接。 接下来，你需要构建一个自动化的故障排查机制，将可重复使用的网络工具与MCP结合在一起，同时学习如何根据日志记录、审批流程、可观测性、操作指南、功能开关以及只读模式下的运行准备情况来评估这些工作流程。
读完本书后，你将掌握一条实用的方法，能够将人工智能理念转化为可在实验室中测试的NetOps工作流程，让团队对其进行评估，并通过适当的控制措施将其应用到实际的网络运维中。
你将学到的内容
●使用Ollama和Python运行本地大语言模型工作流
●利用RACE创建可靠的NetOps提示信息
●将CLI和BGP输出解析为结构化的JSON格式
●构建能够记住故障排查相关信息的聊天机器人
●将AI智能体与经过审批的网络工具相连
●建立基于证据的故障排查机制
●通过MCP展示可重复使用的网络工具
●带有安全控制功能的只读计划试点方案 对对对，学习运维与AI结合
页:
[1]