AIOps — resposta a incidentes assistida por IA (via MCP)

Um agente de IA que captura os erros/logs, diagnostica o incidente e envia um alerta já analisado (causa provável, serviço afetado, severidade, próximos passos) — reduzindo o tempo de detecção→entendimento (MTTA/MTTR).

Papel do MCP

O agente acessa as fontes de contexto via servidores MCP (Model Context Protocol), que padronizam o acesso a ferramentas/dados. Assim o LLM consulta, sob demanda, as evidências necessárias, sem integrações pontuais e frágeis.

Fluxo de um incidente

1. Gatilho: Alertmanager dispara um webhook (ou erro ERROR/5xx no stream de logs / Sentry).
2. Coleta de contexto (via MCP):
   • Logs correlacionados (Loki/OpenSearch) pelo trace-id;
   • Métricas/traces (Prometheus/Tempo) do período;
   • Mudanças recentes (deploys, PRs, commits, sync do Argo CD) via MCP do GitHub;
   • Qualidade/regressões via MCP do SonarQube (quando pertinente).
3. Diagnóstico (LLM): correlaciona sintomas + mudança recente → hipótese de causa raiz, serviço/rota afetada, severidade e runbook sugerido.
4. Notificação enriquecida: envia o resumo para Slack / Microsoft Teams / e-mail (e escalonamento para on-call se crítico).
5. Registro: abre/atualiza um incidente (issue no GitHub) ligando dashboard/trace — para o postmortem.

Servidores MCP úteis

• GitHub MCP — correlacionar incidente com deploy/PR/commit e abrir issues.
• SonarQube MCP — apontar regressões de qualidade/segurança.
• Observabilidade — MCP de Grafana/Loki/Prometheus/Tempo (ou Sentry/Datadog).

Canais de acionamento

• Slack — Incoming Webhook/app; canal #incidentes com thread por incidente.
• Microsoft Teams — Incoming Webhook/Workflows (Adaptive Cards).
• E-mail — SMTP para resumo/digest.
• On-call (opcional): Opsgenie/PagerDuty ou rotas por severidade no Alertmanager.
• Roteamento: info → e-mail/digest; warning → Slack/Teams; critical → Slack/Teams + on-call. Notificações agrupadas e com dedup para evitar ruído.

Guarda-corpos (importante)

• Agente read-only por padrão; ações que mudam estado exigem escopo mínimo e ficam auditadas.
• Sem PII/segredos no prompt/telemetria enviada ao LLM (LGPD).
• Diagnóstico é sugestão — human-in-the-loop em incidentes críticos; toda análise cita as evidências (links de log/trace).
• Controle de custo/rate-limit do LLM e fallback para alerta "cru" se a IA indisponível.