06 AI SRE

起点

你位于 build-workshop-v1，无需 checkout。预留约 15 分钟。

前置条件：遥测数据正在流入 ClickStack（模块 05），你的编码助手已能配合 MCP 工作（模块 00）。

为什么

你的 agent 本来就擅长写 SQL。把你的可观测性数据和合适的工具交给它，它就能做 SRE 的工作： 构建一个能揭示应用健康状况的看板，以及一个在出问题时触发的告警。本模块把 agent 接到 ClickStack 上并让它开始干活。

目标

HyperDX 的看板生成器已保存了一个 SRE 看板，并且你的编码助手通过 ClickStack MCP 已针对你的 遥测数据保存了至少一个告警。

第 1 步：验证你的编码助手与 ClickStack 的连接

这里不要再添加新的 MCP 服务器。使用模块 00 中已配置并授权好的 clickstack 连接。让它做一次 端到端调用其工具的健康检查：

Using the clickstack MCP, check the health of the nyc-taxi-backend service over the last 24h — request volume, error rate, and latency — and tell me if anything looks off.

预期结果：一份有据可依的汇总，包含请求量、错误率、延迟和最后活动时间。 如果工具要求你选择一个服务，就选本课程使用的那个 ClickHouse 服务。

第 2 步：使用 HyperDX 看板生成器

产品内置的 HyperDX 看板生成器可以根据一段自然语言描述来构建看板。 它不是你的编码助手。在 ClickStack 中，打开左侧边栏的 Dashboards 并点击 Generate with AI。描述你想要什么， 生成器会先检查你的遥测数据，并根据它实际找到的内容来构建图块 （如果数据中缺少你要求的东西，它会告诉你，而不是凭空造出通用图块）：

explore the app's traces and logs, then build and save an SRE dashboard showing request rate, error rate, and p95 latency per service

Dashboards → Generate with AI：描述这个看板，让 HyperDX 检查数据并把它构建出来。

AI 会遍历你的遥测数据，采样 logs 和 traces、检查错误 span，然后组装并验证每个图块， 最后总结它构建了什么，并给出一个打开已保存看板的链接：

生成器让每个图块都基于真实数据，并在保存之前解释它发现了什么。

打开保存好的看板看看结果：按服务划分的请求速率、错误率和 p95 延迟，以及请求/错误总数、 整体 p95、一个日志告警图块，和一个 top endpoints 表格，全部实时读取自 nyc-taxi-backend 服务。

完成后的 SRE 看板，保存在 Dashboards 下，并由实时遥测数据填充。

第 3 步：让你的编码助手添加一个告警

你的编码助手可以保存告警，但它无法创建告警投递到的通知渠道，没有相应的 MCP 工具。 请先在 HyperDX 界面中预先创建一个 webhook：

1. 打开你看板中的某个图表，错误率图块是个不错的选择，并点击 它的 Alert 按钮（图块上的铃铛图标）。
2. 在告警的通知设置中，选择 Generic Webhook 作为渠道。
3. 你需要一个 URL 来指向它。想要一个零配置的一次性端点，可以在另一个标签页打开 webhook.site；它会给你一个唯一的 URL，并实时显示它收到的每个 请求。复制那个 URL 并把它粘贴为 webhook URL。
4. 保存。渠道现在已经存在，所以 agent 保存的告警可以指向它，而当告警触发时， 你就能在你的 webhook.site 页面上实时看到 payload 到达。

回到你的编码助手，粘贴这个提示：

Using the clickstack MCP, inspect the nyc-taxi-backend error-rate baseline, choose and
justify a threshold above that baseline, then use clickstack_save_alert to save an alert
named "NYC taxi backend error rate". Evaluate the error rate over a five-minute window
and target the existing Generic Webhook notification channel. Report the saved alert's
name, source, time window, threshold, and notification channel.

预期结果：编码助手报告了全部五个已保存的字段。在 HyperDX 中打开 Alerts 并确认它们一致。 如果 MCP 工具无法选中已有的渠道，就在 HyperDX 中把它挂到已保存的告警上并再保存一次。

第 4 步（可选）：AI Notebooks：在 HyperDX 内部排查

上面那条「编码助手加 MCP」的路径是在你的编辑器中工作的。ClickStack 还有一个产品内置的 AI 排查界面：AI Notebooks（beta，仅限 Managed ClickStack）。

1. 由团队管理员启用一次：HyperDX - Team Settings -> Security Policies -> 打开 Generative AI。之后左侧边栏中会出现一个 Notebooks 入口。
2. 打开一个新 notebook，用自然语言提问，例如："What are the slowest backend operations in the last 30 minutes, and did any of them error?"
3. agent 会查询你的 logs、traces 和 metrics，并输出交互式图块，它的推理过程、 它执行的查询、图表和总结。你可以从任何中间图块分叉出一次新的排查， 并在 AI 图块旁边混入手动搜索、时序、表格或 markdown 图块。

同一份遥测数据，两个 AI 界面：MCP 路径从你的编辑器构建出可长期保留的产物（看板、告警）； Notebooks 则用于在可观测性产品内部做交互式排查。在模块 07 中，你可以用其中任意一种来诊断 故障。

如何验证你已完成

• HyperDX 中出现了一个已保存的 SRE 看板，其健康信号都已填充数据。
• 存在一个带有合理阈值的已保存告警。
• 你能说清楚在一次故障期间这个看板会是什么样子。
• 可选：存在一个 Notebook，其中有一次自然语言排查及其图块。

小结

你现在有两个清晰的 AI 界面：HyperDX 的生成器在产品内构建看板，而你的编码助手用 MCP 查询 遥测数据并保存告警。当出问题时，你依靠的正是这两样东西。

最终状态

一个由 AI 构建的 SRE 看板和告警已经就位。带着你在这里配置好的编辑器 agent，继续前往 07 测试、失败与修复。