Automatiserad root cause analysis i en körning
En AI-agent som genererar sina egna utredningsflöden, kör dem via en kontrollerad MCP-server och levererar root cause plus åtgärdsförslag, samma resultat varje gång.
Manuell felsökning över flera system är seg och inkonsekvent. Samma incident utreds olika beroende på vem som tittar, och korreleringen mellan kluster, moln och GitOps sker i huvudet på en stressad person.
- Utredningen tar timmar när själva svaret finns i tre API-anrop.
- Två personer på samma incident når två olika slutsatser.
- Ingen dokumenterad kedja från symptom till root cause, analysen går inte att upprepa.
- Kunskapen stannar hos den som råkade lösa det förra gången.
Från incident till root cause.
Ett flöde, en körning. Ingen hoppar mellan fem verktyg.
Ta emot incidenten
Agenten (Claude Code) får incidentbeskrivningen och avgör vilka system som behöver undersökas.
Generera skills
Agenten skriver sin egen kod, utredningsflöden som skills, anpassade efter just den här incidenten.
Kör isolerat
Skillet körs read-only i en Podman-container via FastMCP-servern, med secrets injicerade utanför agentens kontext.
Anropa systemen
Kontrollerade API-anrop mot AWS, EKS, ArgoCD och GitHub, aldrig direktaccess från agenten.
Strukturerat svar
Resultatet returneras strukturerat: root cause, bevisning och föreslagna åtgärder i en och samma körning.
Agenten når aldrig er infrastruktur direkt. All exekvering sker read-only via MCP-servern.
Före och efter.
- Timmar av manuell felsökning i tre olika konsoler.
- Två personer, två slutsatser, ingen dokumentation.
- Drift mellan dev och prod upptäcks av en slump.
- Nytt system = nytt integrationsprojekt.
- Hela utredningen körs i ett svep och sammanfattas.
- Root cause med bevis, spårbart och repeterbart.
- Miljöskillnader jämförs automatiskt vid varje körning.
- Nytt system = en ny skill, inkopplad på dagar.
Vad det ger i drift.
- Kortare väg från incident till root cause.
- Samma analys varje gång, oberoende av vem som är på jour.
- Ingen manuell korrelering mellan verktyg och domäner.
- Nya system kopplas på som modulära skills, inte som nya integrationsprojekt.
Agenten gissar inte
Den exekverar, varje slutsats bygger på faktiskt hämtad data från systemen.
Ingen direktaccess
All åtkomst går via MCP-servern med tydligt avgränsade behörigheter.
Isolerade secrets
Hemligheter injiceras i containern, aldrig in i agentens kontext.
Modulärt utbyggbart
Nya målsystem, molnleverantörer, tredjeparts-API:er, interna verktyg, läggs till som skills.
Verktyg vi litar på.
Skillnaden är inte att agenten är smartare än oss. Det är att den gör exakt samma sak varje gång och aldrig hoppar över steg tre för att det känns tråkigt.
Mönstret började som ett demo-case i en DevSecOps-miljö med EKS, ArgoCD och GitOps-manifest, men är direkt applicerbart i skarp drift. I hybridmiljöer som Viaplays, där en incident nästan alltid spänner över kluster, moln och GitOps, gör agenten hela genomgången i ett svep och lämnar ifrån sig root cause, bevis och nästa steg.
Läs hela casetBoka en demo av automatiserad root cause analysis i en körning
30 minuter, digitalt. Vi visar lösningen i praktiken och vad den skulle göra i just er miljö, utan säljpitch.
Bryt VMware-inlåsningen
Migrera från VMware till Proxmox, Nutanix eller hyperscaler, utan att stoppa driften.
Automatisera driften
Ersätt ticket-driven ops med infrastructure as code, GitOps och händelsestyrda runbooks.
Bygg självläkande IT
Slut loopen: detektera, besluta, agera. Observability som driver automatisering, inte dashboards ingen tittar på.