AI agenti pro Ops – automatizované řešení incidentů (AIOPS)

Umělá Inteligence, AI pro obory

AI agenti už dávno nejsou jen chatboti. V tomto praktickém hands-on kurzu, s formátem 30 % teorie a 70 % praxe, si ukážeme, jak využít multi-agentní AI systémy pro automatizovanou investigaci a řešení incidentů v IT provozu.

Kurz je zaměřený na reálnou praxi – od architektury agentů přes bezpečnost a cost control až po kompletní investigation workflow nad simulovanými incidenty. Pracovat budete ve vlastním připraveném Linux prostředí a většinu času strávíte hands-on aktivitami.

Vendor-neutrální přístup, open-source nástroje a důraz na praktickou použitelnost Vám umožní osvojit si principy využitelné napříč různými platformami a prostředími.

TOTO ŠKOLENÍ VÁM POMŮŽE:

  • Porozumět, co jsou AI agenti a čím se liší od chatu i od klasických skriptů
  • Sestavit si vlastní AI tým pro vyšetřování incidentů
  • Používat agenty bezpečně tak, ať nemohou provádět nepovolené akce
  • Rozpoznat, kdy je agent správná volba, a kdy stačí skript nebo klasický monitoring

KDO BY SE MĚL KURZU ZÚČASTNIT?

  • Ops, DevOps a SRE inženýři, kteří chtějí rozumět, jak AI agenti skutečně fungují na Ops úlohách
  • Platformní a infrastrukturní inženýři, kteří zvažují, zda a jak nasadit AI agenty do vyšetřování incidentů
  • Každý, kdo pracuje s infrastrukturou a chce vidět multi-agentní vzor v reálném Ops kontextu
  • Kurz není vhodný pro vývojáře integrující AI do kódovacího workflow – pro ně máme v nabídce jiné, vývojově zaměřené kurzy
  • Kurz není vhodný pro Data scientisty a ML inženýry – to je jiná disciplína

KDE A KDY KURZ PROBÍHÁ?

Kontaktujte nás

Privátní školení

Odemkněte potenciál svých zaměstnanců. Každé školení z naší nabídky přizpůsobíme konkrétním cílům i lidem.
Potřebujete školení přímo u vás ve firmě, nebo upravit obsah a délku na míru? ICT Pro je ideální řešení. Školit můžeme také v angličtině.

Poptat kurz na míru

Náplň kurzu:

Skrýt detaily
  • Modul 1 – Architektura agentů pro Ops
    1. Úvod: co LLM dělá, co chat umí a co ne
    2. Co je agent: smyčka observe / decide / act; rozdíl od chatu (nástroje + autonomie)
    3. Kdy agenta NEpoužít: skriptovatelné úlohy, deterministické procesy
    4. Subagent pattern: proč ne jeden velký agent – blast radius, náklady, zaostření kontextu
    5. Tři role: koordinátor (silný model), syscheck + logcheck (levné modely)
    6. Hands-on: sestavení týmu koordinátor + dva specialisté; spuštění na simulovaném alertu
  • Modul 2 – MCP servery jako bezpečnostní hranice
    1. Problém z Modulu 1: agenti mají neomezený shell přístup – nepřijatelné v produkci
    2. Co je MCP: nástroje přes síť, ne shell. Analogie k sudo pravidlům: nedáte root, dáte povolené příkazy.
    3. Dva typy nástrojů: read-only (investigace) vs. write (akce)
    4. Anatomie MCP serveru: entry point, tool definice, schéma vstupu/výstupu
    5. Hands-on (způsob 1): zapojení hotového syscheck-mcp do profilu syscheck
    6. Hands-on (způsob 2): sestavení logcheck-mcp pomocí dev-squadu (developer + tester + security subagenti) – agenti stavící nástroje pro agenty
  • Modul 3 – Automatizovaná investigace
    1. Investigation loop: trigger - investigate - report - (volitelně) act
    2. Kdy zastavit, kdy jednat, kdy eskalovat
    3. Triggery: polling jako jednoduchý start (proč začít prostě, ne webhooky)
    4. Live demo: plný řetězec na předem připraveném incidentu
    5. Hands-on: napojení triggeru, spuštění celého týmu, reálný scénář Disk full - MySQL blok - HTTP 500. Scénář je záměrně vrstvený – žádný jednotlivý check neodhalí pravou příčinu; koordinátor musí korelovat výstupy syscheck + logcheck
    6. Kam dál: HolmesGPT (CNCF sandbox), AWS DevOps Agent, Datadog Bits AI SRE – hotové produkty jako pokračovací cesta pro ty, kteří ji zvolí po absolvování tohoto kurzu
  • Modul 4 – Produkční vzory a cost control
    1. Model tiering: koordinátor vs. workers; reálná čísla nákladů za běh pipeline
    2. Selhání a jejich řešení: nekonečné smyčky, token burn, halucinované akce, kaskádová delegace, stale context
    3. Produkční checklist: read-only default, human-in-the-loop pro write akce, cost budget, logging, alerting na alerting, graceful degradation
    4. Kdy agenty NEpoužít: deterministické úlohy, compliance-critical akce, úlohy bez auditního trailu
Předpokládané znalosti:
  • Základní práce s Linux serverem — SSH, shell, čtení logů, procesy, disky.
  • Zkušenosti s chatbotem na úrovni LLM (ChatGPT, Claude, Gemini) – alespoň několik rozhovorů. Je možné si vybrat ze široké škály kurzů Umělé Inteligence AI Kurzy – ICT Pro
  • Není potřeba: programování, zkušenost s ML, předchozí zkušenost s agenty nebo MCP
Doporučený předchozí kurz:
Linux – základy administrace (LNX1)
Časový rozvrh:
1 den (9:00hod. - 17:00hod.)
Cena za osobu:
7 900,00 Kč (9 559,00 Kč včetně 21% DPH)

Jaké jazyky a technologie kurz využívá?

  • Harness: Hermes agent – open-source, self-hosted multi-agentní framework. Hermes je zde příkladem; principy (profiles vs. subagents, MCP jako bezpečnostní hranice, tiering modelů) jsou přenositelné do jiných nástrojů
  • Protokol: MCP (Model Context Protocol) – standard pro definici nástrojů pro AI agenty
  • LLM modely: kombinace – silný model pro koordinátora, levný pro specialisty
  • Platforma: Linux server – principy jsou ale univerzálně přenositelné na k8s, AWS a další
  • Kurz je vendor-neutrální. Odcházíte s infrastrukturou, kterou vlastníte, ne s dalším SaaS předplatným
  • Každý účastník bude mít k dispozici cvičnou VM s předpřipraveným Linux prostředím