Ansible Automation Platform 向け MCP サーバーは、AI エージェントと LLM が組織で導入済みの制御をバイパスすることなく自動化プラットフォームと直接やり取りできる、標準化された信頼性の高いインタフェースを提供します。AI がアドホックなスクリプトを生成したり、直接 API 呼び出しを行ったりするのではなく、MCP サーバーが、チームの信頼する管理された自動化ライブラリを通じてエージェントの推奨事項を送信します。その際には、RBAC、監査証跡、承認ワークフローが維持されます。 

インタラクションモデルは、オペレーターが UI をクリックして操作する方式から、オペレーターが AI 対応ツールに指示して、事前に承認された自動化を自動的に検出、選択、実行させる方式へとシフトします。チームによる AI の活用度が高まるにつれて、自動化は、AI が開始するすべてのアクションが決定論的、監査可能、かつ再現可能であることを保証する重要な境界線となります。

AIOps では、イベント駆動型の修復、自動情報補完ワークフロー、スケーリング操作など、大量の自動化アクションが生成されます。automation dashboard と Automation Analytics により、どのワークフローが最も頻繁に実行されるか、そのパフォーマンスはどうか、どのような価値をもたらしているかなど、アクティビティに関するリアルタイムの可視性が得られます。 

日付、プロジェクト、ラベルでフィルタリングされた共有可能なレポートを作成できるため、時間短縮効果、業務の成果、財務的影響を追跡して、AIOps への投資を検証し、次の拡張先を計画することができます。

効果的な AIOps を実現するには、それを支える自動化を自信を持って管理、トラブルシューティング、拡張できるオペレーターの存在が不可欠です。しかし、プラットフォーム構成の把握、失敗したジョブの診断、Event-Driven Ansible などのコンポーネントの動作の理解のためには、さまざまなドキュメントやサポートチケットを参照したり、別のプラットフォームに切り替えたりすることが必要になることも少なくありません。Ansible Lightspeed インテリジェントアシスタントは、生成 AI チャットアシスタントを Ansible Automation Platform に直接埋め込むことで、その摩擦を解消します。これはまるで、Ansible の専門家が常に隣にいてくれるようなものです。

オペレーターや管理者は、信頼できる Red Hat のドキュメントに基づいてトレーニングされた検索拡張生成 (RAG) パイプラインを使用して、プラットフォームから離れることなく、「Event-Driven Ansible の設定方法を教えて」、「このエラーメッセージを説明して」、「修復ジョブはなぜ失敗した？」などのように自然言語で質問を投げかけることで、その状況を踏まえた回答と、さらに詳しく調べるための参照リンクを取得できます。

これによって AIOps ワークフローでは、イベント駆動型修復を初めて構成するチームをすばやくオンボーディングしたり、自動化されたワークフローが予期せぬ動作をした場合にリアルタイムでトラブルシューティングしたりすることが可能になります。インテリジェントアシスタントを拡張して自動化システム自体の健全性とパフォーマンスを可視化することができるので、オペレーターは実行中のジョブを監視したり、在庫状況を確認したり、障害をリアルタイムで診断したりできるようになり、さまざまな種類や運用領域にわたる新しいインシデントに対して自動化を拡大する際の障壁が低くなります。

AIOps をスケーリングするということは、それを支える自動化コンテンツをスケーリングすることを意味しますが、運用上の問題を理解しているエンジニアが常に迅速にコーディングできるとは限りません。また、専任の自動化開発者は、可観測性スタックによって顕在化した数々の新しい障害パターンへの対応に苦労する可能性があります。コーディングアシスタントは、開発環境に内在するそのようなギャップを解消します。

エンジニアは VS Code の Ansible 拡張機能を使用して、必要な内容を平易な言葉で説明します。たとえば、「障害が発生した Kubernetes Pod を再起動し、サービスエンドポイントを検証する Playbook を作って」と記述します。すると、単一のタスク、複数のタスク、または Playbook やロール全体に対する、状況を考慮した信頼できる推奨コードが提供されます。エンジニアは、ゼロから書き始めたり、古い運用マニュアルからコピーしたりするのではなく、実用的なドラフトを入手して改良およびテストし、管理された自動化ライブラリへと導入できます。

AIOps ワークフローにおいて、これはチームがサービスの低下、証明書の有効期限切れ、容量に対する圧力、デプロイメントのロールバックといった新たな障害タイプに対して自動化の適用範囲を迅速に拡大できることを意味します。それにより、インシデントのパターン特定からプロダクション環境対応の修復用 Playbook の作成までを、数日ではなく数時間で行うことが可能になります。コード作成支援によって生成されたすべての Playbook は審査、テスト、RBAC スコープの設定を経て自動化ライブラリに追加され、次にアラートが発生した際に自動的に実行できるようになります。