Сьогодні більшість нових систем створюються з використанням контейнерів та хмарної інфраструктури. Але в реальному корпоративному середовищі значна частина критичних сервісів досі працює на legacy-інфраструктурі — зокрема на IIS (Internet Information Services)
Управління такими системами часто вимагає прямого доступу до серверів, використання скриптів або роботи з адміністративними веб-інтерфейсами. Це створює конфлікт між безпекою, зручністю розробки та швидкістю операцій.
У цій статті ми розглянемо, як поєднання Model Context Protocol (MCP) та Agentic AI може спростити управління IIS-інфраструктурою, дозволяючи взаємодіяти з нею за допомогою природної мови.
Ідея проста: що може бути більш інтуїтивним і зрозумілим для людини, ніж її власна мова спілкування? Замість того, щоб писати скрипти або використовувати веб-інтерфейси, розробник просто дає команди своєму AI-асистенту, а той розуміє намір, знаходить потрібний сервер і ресурси та виконує операцію.
MCP – це відкритий стандарт взаємодії між AI-моделями та зовнішніми системами, який дозволяє агентам безпечно використовувати інструменти, API та сервіси. Agentic AI – це підхід до застосування штучного інтелекту, що дозволяє системам оперувати самостійно. На відміну від звичної реалізації, здатної лише відповідати на запити, наприклад, ChatGPT, ШІ-агенти самостійно оцінюють поставлені задачі, шукають шляхи вирішення і планують свої дії за мінімальної участі користувача.
Власне рішення складається з чотирьох компонентів:
Така комбінація усуває необхідність віддаленого виконання скриптів, зменшує кількість нецільових запитів, значно підвищує безпеку, а також дозволяє розробнику працювати з інфраструктурою без прямого доступу і без вказання точних імен ресурсів або адрес серверів.
Система ґрунтується на чотирьох процесах. Перший – це відповіді на запити користувача. ШІ-агент звертається до Redis, отримує інформацію про сервер. Далі підключається до відповідного сервера IIS MCP, який виконує операцію, а результати повертаються користувачеві.
Щоб це було можливим, необхідний процес синхронізації. Менеджер періодично відправляє запити на кожен зареєстрований сервер, отримує списки сайтів і пулів додатків і оновлює дані в Redis. Таким чином безперервно підтримується актуальність реєстру.
Третій фундаментальний процес – це обробка помилок. Коли система не виявляє сайт, не отримує доступ до сервера чи Redis або фіксує помилки виконання запитів, формується структурований звіт. За його допомогою ШІ-агент аналізує подію та пропонує рішення. І, нарешті, аутентифікація – процес, що робить решту можливими. Вона відбувається тільки локально на сервері, а всі операції реєструються. Таким чином, система виконує всі необхідні дії з мінімальним залученням розробника.
У свою чергу, цей підхід має декілька істотних переваг. Перш за все, розробникам не потрібна додаткова підготовка, бо всі процеси виконуються у звичному середовищі звичайною мовою. Замість вивчення синтаксису і ведення списків проектів, над якими йде робота, достатньо запитати: “зупини цей сайт”, “покажи всі сайти, які зараз працюють” тощо. При цьому, ШІ працює з неточностями та неповною інформацією, шукаючи подібні імена та недостатні дані в менеджері, або задаючи уточнюючі питання в ситуаціях, коли це неможливо.
Також перевагою є високий рівень безпеки даного підходу. Оскільки розробники не мають прямого доступу до серверів, скрипти не виконуються віддалено, а ШІ дотримується закладених інструкцій, ризик виникнення небезпечних ситуацій значно знижується. Зрештою, ця методика передбачає легке масштабування: достатньо зареєструвати новий сервер для роботи з ним.
Наше рішення використовує спеціалізованих агентів з чітко визначеними ролями та інструкціями, що значно підвищує надійність і передбачуваність системи. Кожен ШІ-агент є високоспеціалізованим та ізольованим, отже їх легше тестувати і налаштовувати. При цьому, ізоляція гарантує, що збої в одному не впливають на інші. Це забезпечує стабільну та передбачувану роботу.
Наше типове рішення засноване на трьох спеціалізованих ШІ-агентах:
Використання cagent дозволяє створювати та запускати в Docker команди спеціалізованих віртуальних інструментів для вирішення складних завдань. При цьому, цей інструмент дуже простий. Для більшості випадків не доведеться писати жодного рядка коду: конфігурація агента описується у файлі YAML. Вбудовані інструменти «think» та «todo» допомагають координатору планувати складні багатоетапні операції, такі як пошук ресурсу на декількох серверах з подальшим виконанням дії.
Docker cagent вбудовано підтримує протокол MCP, що дозволяє агентам використовувати інструменти з будь-яких серверів MCP. Це важливо для нашого рішення, оскільки IIS MCP Server та IIS MCP Manager надають свої можливості саме через MCP. Агенти можуть підключатися до кількох серверів MCP одночасно, що дозволяє агенту виявлення мати доступ як до Manager, так і до всіх серверів IIS MCP для виявлення ресурсів, а агент дій може безпосередньо виконувати операції на необхідних серверах.
Детальні інструкції для кожного агента – це не просто описи, а фактично програми поведінки. Вони визначають чіткі алгоритми дії для кожного запиту. Наприклад, запит про стан:
Такі детальні інструкції дозволяють ШІ чітко дотримуватися заздалегідь визначеного алгоритму, мінімізуючи помилки та непередбачувану поведінку.
Legacy-інфраструктура не завжди є проблемою, яку потрібно негайно замінити. Часто її можна модернізувати, використовуючи сучасні інструменти автоматизації та штучного інтелекту. Поєднання MCP та Agentic AI демонструє, що навіть традиційні платформи, такі як IIS, можуть отримати новий рівень керованості, безпеки та зручності для розробників.
Сучасні рішення прекрасно інтегруються в такі системи, суттєво продовжуючи їх життєвий цикл з новими можливостями і старими перевагами. Тож, не завжди варто поспішати повністю перебудовувати наявну платформу. Інколи краще думати в іншому напрямку.
Богдан Косаревський, DevOps-інженер в UKAD
Компанія Google оголосила про запуск Agent Development Kit (ADK), спеціально розробленого для мови програмування Java.…
Керівництво Європейського Союзу офіційно заявило про необхідність негайного зниження попиту на пальне. Для цього треба…
Компанія Google офіційно оголосила про впровадження обов’язкової підтримки 64-бітних архітектур для всіх застосунків платформи Wear…
Дослідники компанії Meta розробили новий підхід до використання великих мовних моделей (LLM) для аналізу програмного…
Нове дослідження від Google DeepMind попереджає: поки ми навчаємось працювати з автономними ШІ-агентами, які здатні…
Компанія Google оголосила про значне розширення можливостей своєї преміальної підписки AI Pro. Відтепер користувачі отримують…