跳转至

Self-Service AWS Health Analytics with AI Agents

📊 Level ⭐⭐⭐⭐ | 7.7KB

摘要

AWS 官方博客展示了一个名为 Chaplin（Customer Health and Planned Lifecycle Intelligence Nexus）的开源解决方案，通过 MCP 工具将 AWS Health API 封装为 AI Agent 可调用的能力，让运维团队通过自然语言查询健康事件、获取影响分析和运维建议。该方案解决了传统 AWS Health 事件管理中依赖 TAM（技术客户经理）分析、缺乏自助分析能力的痛点。

核心要点

问题定义

企业运维团队面临的核心挑战：

  • 信息过载：一个典型周一早晨，团队可能收到来自 50+ 账户的多种 Health 通知（Amazon Linux 2 EOL、RDS 版本弃用、EC2 实例退役）
  • 分析瓶颈：依赖 TAM 解读健康事件，决策延迟
  • 缺乏上下文：预定义的 BI 仪表板无法回答动态问题，无法区分影响生产系统的事件和非关键事件
  • 被动响应：大量时间花在被动救火而非创新上

Chaplin 解决方案架构

Chaplin 采用三层架构：

1. 数据层（Data Tier）— 多账户采集

  • AWS Health API 作为事件源
  • Amazon EventBridge 提供事件驱动触发
  • Lambda 收集函数通过跨账户 IAM 角度收集事件
  • S3 数据湖按账户、日期、事件类型分区存储
  • DynamoDB 用于快速查询的结构化存储
  • 支持两种部署模式：AWS Organizations API 集中部署 / 单账户独立部署

2. 中间层（Middle Tier）— MCP Server + 智能分析

  • 基于规则的分类引擎：用正则模式将事件映射到五大业务类别（迁移需求、安全合规、维护更新、成本影响、运维通知），大部分事件无需 AI 处理
  • AI 分析引擎：基于 Strands Agents 框架 + Claude 4.5 Sonnet，包含三个专业化 Agent：
  • SQL Query Agent：自然语言 → DynamoDB 结构化查询
  • Impact Analysis Agent：结合客户元数据（环境、业务单元、所有权）评估非结构化事件描述
  • DBQueryBuilder Agent：生成多维聚合的优化数据库查询
  • 所有能力通过 MCP 工具暴露给客户端

3. 展示层（Presentation Tier）— MCP 客户端集成

  • 不需要自定义前端，直接在 Claude Code、Kiro CLI 等 MCP 兼容 AI 助手中使用
  • 用户通过自然语言交互，AI 助手编排对 Chaplin MCP Server 的调用

关键 MCP 工具

Chaplin 暴露三类 MCP 工具：

类别 功能 特点
Summary 工具 按服务、状态、类别、区域统计 直接查询 DynamoDB，即时返回
Detail 工具 深入特定事件类别/类型 支持筛选和过滤
AI Analysis 工具 自然语言查询 → 上下文化洞察 通过 Strands Agents + Bedrock 处理

深度分析

多 Agent 架构的设计哲学

Chaplin 的多 Agent 架构解决了一个企业数据分析的根本性挑战：结构化与非结构化数据的有效结合。

传统 RAG 系统在处理数值运算和聚合时存在固有的非确定性。向量相似度搜索可以检索语义相似的内容，但无法保证数学准确性。例如，当被问到"有多少个与 End-of-life 相关的健康事件"时，RAG 系统可能报告 190 个，而实际数量是 958 个。

Chaplin 的解决方案是分层处理：

  • 结构化数据（事件类型、账户、时间戳）→ 精确的 DynamoDB 查询
  • 非结构化数据（事件描述、影响评估）→ AI Agent 的语义理解
  • 规则引擎处理大部分常规分类，AI 仅处理需要上下文分析的事件

成本优化策略

Chaplin 实现了智能成本优化：

  1. 规则优先：模式匹配处理大部分事件，不产生 AI 推理成本
  2. 预构建摘要视图：30/60/120 天窗口的预计算视图
  3. LLM 无关：支持 Bedrock、OpenAI、Anthropic、Ollama 等多模型提供商
  4. 智能缓存：减少冗余 AI 处理
  5. 结构化查询精度：利用 AWS Health API schema 进行精确数值分析

与 AWS DevOps Agent 的集成愿景

Chaplin 的长期愿景是与 AWS DevOps Agent 集成，实现从自助分析到自主运维的演进：

  • DevOps Agent 在调查事件时查询 Chaplin 确认是否有相关健康事件
  • Chaplin 的影响范围分析提供业务上下文
  • DevOps Agent 将健康事件数据与应用拓扑、遥测数据、部署历史关联
  • 形成从被动救火到主动事件预防的反馈闭环

实际查询示例

以下是 Chaplin 能处理的典型查询及其能力维度：

查询类型 示例 能力维度
操作概览 "未来 60 天有哪些 RDS 生命周期事件？" 时间窗口过滤 + 服务筛选
影响评估 "RDS PostgreSQL 弃用对 Tier-1 生产账户的影响？" 多维聚合 + 业务上下文
根因分析 "哪些账户重复收到健康通知？架构问题是什么？" 模式识别 + 架构建议
修复规划 "给我一个修复 Lambda 关键事件的计划" AI 生成修复步骤

实践启示

  1. MCP 工具封装模式可复用：将 AWS API 封装为 MCP 工具的模式适用于其他 AWS 服务（Cost Explorer、CloudTrail、Config 等）
  2. 规则优先、AI 增强：大部分事件分类用规则引擎处理，仅对需要语义理解的事件使用 AI，显著降低成本
  3. 自助分析消除 TAM 瓶颈：运维团队可以独立分析健康事件，无需等待 TAM 支持
  4. 多账户统一视图：通过 S3 数据湖 + DynamoDB 实现跨账户健康事件的集中分析
  5. 架构级修复建议：Chaplin 不仅报告问题，还能识别架构缺陷（如 ElastiCache 未启用自动补丁、VPN 单隧道架构）并给出优先级排序的修复方案

相关实体