O servidor MCP do Ansible Automation Platform fornece uma plataforma confiável e padronizada que permite a interação direta entre os agentes de IA e os LLMs com a plataforma de automação, sem ignorar os controles que a organização já tem em vigor. Em vez de a IA gerar scripts ad hoc ou fazer chamadas diretas à API, o MCP server direciona as recomendações do agente para a biblioteca de automação com governança utilizada pelas equipes, preservando o RBAC, as trilhas de auditoria e os fluxos de aprovação. 

Nesse modelo de operação, em vez de navegar por uma interface, os operadores direcionam as ferramentas com IA, que descobrem, selecionam e executam automações pré-aprovadas em seu nome. Com as equipes contando cada vez mais com a inteligência artificial, a automação se torna a camada de controle para garantir que cada ação iniciada pela IA seja determinística, auditável e repetível.

A AIOps gera um grande volume de ações automatizadas, como correções orientadas a eventos, fluxos de trabalho de aprimoramento e operações de escala. O automation dashboard e o automation analytics fornecem informações em tempo real sobre essas atividades, como quais fluxos de trabalho são acionados com mais frequência, o desempenho deles e o valor agregado. 

Com a capacidade de criar relatórios que podem ser compartilhados e filtrados por data, projeto ou rótulo, é possível monitorar o tempo economizado, os resultados das tarefas e o impacto financeiro para validar os investimentos e planejar a próxima expansão.

Para ser eficaz, a AIOps depende de operadores que consigam gerenciar, solucionar problemas e expandir a automação. No entanto, para configurar a plataforma, diagnosticar as tarefas com falha e entender o funcionamento de componentes como o Event-Driven Ansible, é preciso consultar repetidamente a documentação, tickets de suporte e a plataforma. O Ansible Lightspeed intelligent assistant resolve isso, incorporando o chat com IA generativa ao Ansible Automation Platform. É como ter um expert em Ansible no seu teclado.

Usando um pipeline de Geração Aumentada de Recuperação (RAG) treinado com documentação oficial da Red Hat, os operadores e administradores podem fazer perguntas em linguagem natural sem sair da plataforma. Por exemplo, "Como posso configurar o Event-Driven Ansible?", "Explique esta mensagem de erro" ou "Por que a tarefa de correção falhou?". As respostas recebidas são contextuais e incluem links de referência.

Nos fluxos de trabalho de AIOps, isso acelera a integração das equipes que configuram a remediação orientada a eventos pela primeira vez. E quando a automação se comporta de forma inesperada, a resolução de problemas acontece em tempo real. Com a evolução do intelligent assistant para oferecer visibilidade sobre a integridade e o desempenho da automação, os operadores também podem monitorar tarefas em execução, revisar o status do inventário e diagnosticar falhas em tempo real, tornando mais fácil expandir a automação a novos tipos de incidentes e áreas de operação.

Escalar a AIOps exige escalar a automação por trás dele. O problema é que quem entende os problemas operacionais nem sempre programa com rapidez, e quem desenvolve automação pode não conseguir acompanhar todos os novos padrões de falha que o stack de observabilidade revela. O coding assistant resolve esse problema diretamente no ambiente de desenvolvimento.

Na extensão Ansible VS Code, os engenheiros podem descrever o que precisam em linguagem natural, por exemplo: "Escreva um playbook para reiniciar um pod do Kubernetes com falha e valide o endpoint de serviço.” Eles recebem recomendações de código contextuais e confiáveis para tarefas individuais, pacotes de tarefas ou playbooks e roles completos. Em vez de começar do zero ou copiar de runbooks desatualizados, os engenheiros recebem um rascunho funcional que podem refinar, testar e adicionar à biblioteca de automação com governança.

No contexto do AIOps, isso significa que as equipes conseguem expandir rapidamente a cobertura da automação para novos tipos de falha, como degradação de serviço, expiração de certificados, gargalos de capacidade e rollback de implantação. Isso permite identificar padrões de incidentes e criar playbooks prontos para produção em horas, em vez de dias. Todos os playbooks gerados com o coding assistant passam pelo mesmo processo antes de serem incluídos na biblioteca de automação: são revisados, testados e publicados com as permissões RBAC corretas, ficando disponíveis para execução automática quando o próximo alerta for disparado.