La détection est la moitié facile, et celle que tout le monde automatise
La détection d'anomalies est un problème résolu, et une alerte terminée est l'endroit où la plupart des systèmes s'arrêtent. L'alerte dit seulement qu'un chiffre est inhabituel. L'enquête, la partie chère, se fait encore à la main.
Enquêter, c'est choisir quoi regarder : historique de déploiements, comptes de lignes en amont, changements de campagne, une intégration partenaire, la saisonnalité. Lesquelles tirer dépend de la métrique et de ce que la première chose tirée a révélé.
Cette dépendance explique pourquoi un script d'enquête fixe donne de moins bons résultats. La deuxième requête doit se choisir après avoir vu le premier résultat. Seul un raisonnement pendant le processus peut le faire.
Savoir s'arrêter est l'autre jugement. Une enquête qui renvoie trois causes plausibles n'est pas finie. Une enquête qui en écarte deux et dit pourquoi vaut d'être lue.
Comment l'agent est construit dans Agent Studio
Le system prompt borne l'enquête : quelles sources de données il peut interroger, un plafond sur le nombre de requêtes qu'une enquête peut lancer, et l'exigence d'énoncer ce qu'il a écarté à côté de ce qu'il a trouvé.
Les prompt skills portent la topologie de votre système, quel pipeline alimente quelle table, et quelles métriques sont connues pour bouger ensemble, pour que l'agent raisonne sur votre architecture plutôt que d'en inférer une.
Les connexions MCP et l'accès base de données permettent à l'agent d'interroger la base. Un identifiant en lecture seule est le bon choix ici et appartient aux Credentials plutôt qu'à une instruction de prompt.
Un flux déclenche l'agent. Le flux d'alerte de seuil déclenche un Webhook, et le nœud Agent Chat transmet la métrique, la fenêtre et la taille de l'écart.
Les constats arrivent dans Slack avec la cause, les preuves, une liste de causes écartées et une valeur de confiance. La liste des éléments écartés est ce qui rend un constat vérifiable.
Google Sheets consigne chaque enquête face à sa cause. Sur un trimestre, ce tableau montre pour quelles causes l'agent est bon et lesquelles il rate de façon constante. Cette comparaison est plus utile qu'une enquête isolée.
De quoi cet agent est constitué
- System prompt : pose le plafond de requêtes, les sources autorisées, et l'exigence de rapporter ce qui a été écarté.
- Prompt skills : portent la topologie de vos pipelines et quelles métriques sont connues pour bouger ensemble.
- PostgreSQL (Data) : fournit un accès en lecture seule. MySQL et MongoDB occupent le même emplacement.
- Agent Chat (Util) : le flux d'alerte de seuil transmet automatiquement l'écart.
- Slack (Communication) : reçoit la cause, les preuves, la liste des causes écartées et une valeur de confiance.
- Google Sheets (Integration) : consigne les enquêtes face aux causes réelles pour le calage.
- Quand un ActionFlow suffit : Si détecter l'anomalie est tout ce dont vous avez besoin, construisez le flux de travail avec Math et un seuil. L'agent n'est là que pour l'enquête.
Questions fréquentes
Newsletter
Recevoir les mises à jour produit
Nouveaux nœuds, agents et notes produit. Nous n'envoyons un e-mail que lorsqu'il vaut la peine de l'ouvrir.