El servidor MCP para Ansible Automation Platform ofrece una interfaz estandarizada y confiable que permite a los agentes de inteligencia artificial y a los modelos de lenguaje de gran tamaño (LLM) interactuar directamente con tu plataforma de automatización, sin eludir los controles que tu empresa ya tiene implementados. En lugar de que la inteligencia artificial genere scripts específicos o realice llamadas directas a la API, el servidor MCP transmite las recomendaciones de los agentes a través de la misma biblioteca de automatización controlada que tus equipos ya conocen y conserva el control de acceso basado en funciones, los registros de auditoría y los flujos de trabajo de aprobación. 

El modelo de interacción cambia: los operadores pasan de hacer clic en una interfaz de usuario a utilizar herramientas con inteligencia artificial que detectan, seleccionan y ejecutan por ellos automatizaciones aprobadas previamente. A medida que los equipos utilizan cada vez más la inteligencia artificial, la automatización se convierte en el límite clave que garantiza que cada acción iniciada por esta tecnología sea determinista, auditable y repetible.

AIOps genera un gran volumen de acciones automatizadas, como correcciones basadas en eventos, flujos de trabajo de mejoras y operaciones de expansión. El panel de automatización y los análisis de automatización te proporcionan información en tiempo real de esa actividad, como cuáles flujos de trabajo se activan con más frecuencia, cómo funcionan y qué valor aportan. 

Al poder crear informes filtrados por fecha, proyecto o etiqueta y compartirlos, puedes realizar un seguimiento del ahorro de tiempo, los resultados de las tareas y el impacto financiero, de modo que puedas validar tu inversión en AIOps y planificar hacia dónde expandirte después.

Para que AIOps sea eficaz, se necesitan operadores que puedan gestionar la automatización que lo impulsa, ampliarla con seguridad y solucionar los problemas que puedan surgir. Sin embargo, dominar la configuración de la plataforma, diagnosticar tareas con errores y comprender el funcionamiento de elementos como Event-Driven Ansible suele implicar tener que alternar entre la documentación, las solicitudes de soporte y la propia plataforma. El asistente inteligente Ansible Lightspeed elimina esta dificultad al integrar un asistente de chat con inteligencia artificial generativa directamente en Ansible Automation Platform, como si contaras con un experto en Ansible al otro lado de la pantalla.

Gracias al canal de generación aumentada por recuperación (RAG) entrenado con documentación confiable de Red Hat, los operadores y administradores pueden formular preguntas en lenguaje natural sin abandonar la plataforma (por ejemplo, "¿Cómo configuro Event-Driven Ansible?", "Explica este mensaje de error" o "¿Por qué falló mi tarea de corrección?") y recibir respuestas contextuales con enlaces de referencia para profundizar en el tema.

En el caso específico de los flujos de trabajo de AIOps, los equipos que configuran la corrección basada en eventos por primera vez pueden familiarizarse con el proceso más rápido y los problemas se resuelven en tiempo real cuando los flujos de trabajo automatizados se comportan de manera inesperada. A medida que el asistente inteligente proporciona información sobre el estado y el rendimiento de la automatización, los operadores pueden supervisar las tareas en ejecución, revisar el estado del inventario y diagnosticar errores en tiempo real, lo que facilita la ampliación de la automatización a nuevos tipos de incidentes y áreas operativas.

Expandir AIOps implica expandir el contenido de automatización que lo impulsa, pero los ingenieros que comprenden el problema operativo no siempre pueden generar código con rapidez, mientras que los desarrolladores especializados en automatización pueden tener dificultades para mantenerse al día con cada nuevo patrón de error que detecta la stack de observabilidad. Automation Coding Assistant soluciona este problema en el entorno de desarrollo.

Desde la extensión de Ansible VS Code, los ingenieros pueden describir lo que necesitan en lenguaje sencillo, como "Escribe un playbook para reiniciar un pod de Kubernetes que ha fallado y valida el endpoint del servicio". Reciben recomendaciones de código confiables y que reconocen el contexto para tareas individuales, múltiples tareas o funciones y playbooks completos. En lugar de empezar desde cero o copiar de runbooks obsoletos, los ingenieros aprovechan un borrador funcional que pueden perfeccionar, probar e incorporar a su biblioteca de automatización controlada.

Para los flujos de trabajo de AIOps, esto implica que los equipos pueden ampliar con rapidez la cobertura de la automatización a nuevos tipos de errores, como la degradación del servicio, la expiración de certificados, la presión de capacidad y la restauración de implementaciones. Así, es posible identificar un patrón de incidentes y generar un playbook listo para la producción que permite solucionarlos en pocas horas, en lugar de días. Cada playbook generado a través de este asistente de código sigue el mismo proceso hacia la biblioteca de automatización: revisión, prueba, control de acceso basado en funciones y disponibilidad para ejecutarse automáticamente cuando se active la próxima alerta.