面向电信与数据中心基础设施的Agentic诊断推理

大规模电信与数据中心基础设施依赖多层服务与资源模型，故障会在物理与逻辑组件间传播并影响多个客户。传统的根因分析（RCA）方法依赖硬编码的图遍历算法或基于规则的关联引擎，维护成本高，且与基础设施模型紧耦合。在这项工作中，我们引入一个agentic诊断框架，由大语言模型（LLM）在通过Model Context Protocol（MCP）暴露的受约束工具空间中执行逐步调查。该代理不把因果逻辑或遍历算法嵌入应用，而是通过调用服务查询、依赖检索、结构化与非结构化数据以及事件分析、影响发现等工具，自主导航基础设施模型。我们定义了一套调查协议，用以结构化代理的推理，并确保接地性（grounding）、可复现性以及对缺失或含糊信息的安全处理。这项工作为自主事件处置与变更影响缓解奠定基础。未来系统不仅能诊断和修复基础设施故障，还能预测计划中的变更对服务与客户的影响，使运维人员能在执行维护操作前缓解风险。