Honeycomb 推出 Team Agents，让 AI 主动承担 SRE 工作

Honeycomb Team Agents：真正做对的 AI SRE

Honeycomb Team Agents 是 AI SRE 同事，它们会主动加入你的团队，而不只是被动响应。个人 agent 用证据回答关于生产环境的问题；团队 agent 则围绕你定义的目标运行，检查发布、埋点、成本、agent 质量，并以你按风险设定的自主程度解决事故。

Canvas agent 现在可以读取你的代码、事故、runbook 和工单，从而第一次就找到正确的解决方案。此外还有新内容：AI Ecosystem 与 LLM 成本追踪进入 early access，Anomaly Detection 正式 GA，以及从你的编码 agent 完成 onboarding。

最好的告警，是从未触发的那个。

想象一个宁静的周二下午：昨晚的发布把 checkout 的 p99 推高了 41%，但一个 agent 注意到了。没有人被 page，你的 SLO 也没有开始燃烧。相反，agent 采取了行动，并且已经把问题缩小到某一个重试改动。它为 Payments 团队提交了工单，并标记了那个 PR。

等到任何人本来会注意到的时候，修复已经进入 review 了。这才是 SRE 一直应该有的感觉。

这个 Innovation Week，我们预览 Honeycomb Team Agents：AI SRE agent，它们作为同事加入你的团队，主动检查发布和卫生状况，而不只是响应告警。它们将于 12 月 1 日在 AWS re:Invent 亮相。

理论上，可靠的系统、更少的 page、以及拥有自己服务的团队，听起来都很棒。但实践中，SRE 被埋在被动响应的工作里。要让每个团队都拥有自己服务的可靠性，就需要这些团队学习 SRE 最佳实践，而这可能要花上很久。而 AI 把变化速度调到了十一档。代码发布比以往任何时候都快，而编写这些代码的 agent 完全看不到生产环境。

第一波“AI SRE”声称能帮忙灭火，但那从来只是 SRE 工作的一小部分。那些工具是被动响应的：它们在告警触发时醒来，给出一个建议，然后到此为止。更糟的是，它们基于碎片化的日志和指标进行推理，这就是准确率可疑的来源……而生产环境里没人会信任这种东西。

AI SRE 值得更好的做法。下面是做对之后可以是什么样子。

Honeycomb agent 分两种。每个用户都会得到一个个人 agent。在 Honeycomb 或 Slack 里问它任何关于生产环境的问题，它都会用证据回答，并记住你的工作方式。Honeycomb 客户团队会得到团队 agent，它们本质上是 AI SRE 同事，在后台围绕你定义的目标运行，并回报发现。

真正的 SRE 工作不止于事故响应：检查发布、保持埋点最新、关注成本、保持 runbook 最新，以及确保你上个月发布的 AI 功能仍然按预期表现。事故是所有人都看到的那部分，但其余部分才是预防事故的关键。

设置一个团队 agent 目标只需要一句话，从那以后，剩下的都由它来做，无论是在部署之后、告警触发时，还是按计划进行。

虽然你可以创建自定义目标，下面是团队可以交给团队 agent 的六个示例：

其中只有一个与事故直接相关。另外五个是主动工作，大多数 AI SRE 工具并不是为此而构建的，大多数人类 SRE 团队也没有足够人手跟上。

AI 受困于“垃圾进，垃圾出”的问题，只是速度更快、规模更大。大多数 AI SRE 工具建立在别人的遥测之上，并基于它们能触达的任何碎片进行推理。Honeycomb 的 agent 从高基数、完整上下文的 trace 开始。它们查询得足够快，可以持续追问，直到找到答案，而不只是某个答案。你还可以通过 MCP connector 引入部署、文档、成本和其他数据，把上下文扩展到生产遥测之外。

每一项发现都会链接到其背后的查询、trace 或部署，每一个数字都会说明它是如何知道的：实测、推导、估算，还是未设置。由于 agent 就住在遥测所在的地方，它们能告诉你你的埋点缺了什么。一个叠加在借用数据之上的工具没有理由做到这一点。

SRE 专业知识一直过于分散。团队 agent 从第一天起就带着 Honeycomb 的 playbook，把十年的可观测性和 SRE 实践内建到它们的技能中。然后它们再学习你的。

团队记忆会追踪什么坏了、多久一次、修复是否保持住了，这样你的团队只需要学一次。每条记录都会显示它来自哪里，团队里的任何人都可以纠正它。你的个人 agent 会把你的纠正保持私密，并可以建议哪些内容应该进入团队记忆。新队友第一天就能继承来之不易的上下文，而调查下周告警的 agent 已经知道上个月发生了什么。

避免下一次事故的大量工作发生在事故之间。这时团队 agent 会按照你设定的目标和计划工作。无论是卫生审计，还是密切观察一个影响收入的服务上的每次新部署，团队 agent 都会呈现发现：什么是真的、证据是什么，以及 agent 已经对此做了什么。使用 MCP connector，这些行动可能是 page 响应者、更新知识库文章、起草 pull request，或提交工单。

主动不等于无人监督。你可以按目标和按工具，让自主程度与风险相匹配：

影响范围大的新型故障仍由人类主导，而 SLO 覆盖良好的、理解充分的服务可以获得更多空间。每个 agent 都有自己的身份和按操作的权限，因此没有任何东西借用登录凭证，每个操作都会被记录。

个人 agent 将包含在每个 Honeycomb 计划中。团队 agent 将随 Honeycomb Intelligence 在 Pro 和 Enterprise 计划中提供，按 agent 工作小时计费，而不是按 token 计费。

Team Agents 将于 12 月 1 日在 re:Invent 正式 GA。来展台现场看看吧。