Paul Arends
“De verandering voor ontwikkelaars is radicaler dan we denken.”
– Jeeu Patel, president en CPO, Cisco
Kunstmatige intelligentie presteert op volle gasklep en laat een spoor van radicale veranderingen achter voor softwareontwikkelaars. We gaan een tijd in waarin de IA code kan schrijven, tools kan oproepen en complexe werkstromen kan uitvoeren, allemaal vanuit een enkele prompt. Deze beweging heeft enorme implicaties. Lees de blog van JEU voor meer informatie.
Radicale verschuivingen zijn aan de horizon voor iets meer dan eenvoudige ontwikkelaars.
Hoe zit het met de impact van AI op netwerkingenieurs?
In mijn vorige blog beschreef ik MCP – protocol van context van de modellen – en hoe de agent eindelijk onze taal kon spreken, onze netwerken kon begrijpen en een belangrijke actie kon ondernemen. Nu wil ik je laten zien wat er gebeurt als dat gesprek nog een stap vooruit gaat: wanneer de agent niet alleen begrijpt wat gebroken is, maar lost het op zonder te horen hoe.
Van detectie tot actie: een zelfverhogende netwerk
Een zelfherkend netwerk is geen hypothetische “wat-if”. Dit is voor de agent die een van de meest frustrerende problemen in netwerkbewerkingen beheert: DRIFT -configuratie.
Laten we het proces van zelfherstel analyseren.
In deze configuratie heb ik gedistribueerd Twee MCP -servers– De integratie met mijn exemplaar van Sprunk Enterprise en de andere integreert met mijn Dashboard Meraki. Wat deze special maakt, is niet alleen de integratie van de tool: het is dat de agent autonome beslissingen kan nemen op beide tools op basis van een eenvoudige prompt.
Server 1: Splunk MCP
Laten we op de Splunk MCP -server beginnen met een natuurlijke taalprompt als deze:
- “Wat zijn mijn splunk -indices? ”
- “Zoek naar Meraki_Index voor eventuele apparaatconnectiviteitsproblemen of statuswijzigingen in de afgelopen 4 uur. “
- “Laat me alle wijzigingen zien in de configuratie van het netwerk en groepeer ze van de persoon die ze heeft gemaakt.“
- “Analyseer netwerkverkeersmodellen en identificeer eventuele anomalieën die kunnen wijzen op bedreigingen voor de veiligheid.“
De agent ontwikkelt het verzoek – onder de motorkap – op deze manier:
De MCP Splunk Server gebruikt SDK SDK om de koninklijke registratiegegevens te ondervragen. Zijn taak is om te detecteren of er iets in de omgeving – als een configuratieverandering – plaatsvond van wat we verwachten, vergelijken, deze met onze bron van waarheid en verhelpen.
We proberen zelfherstellend met een agent die we “Network Pharao” zullen noemen.
Hier is een goede prompt om te beginnen:
Verzoek > Ik moet zien wat er aan de hand is met mijn Meraki -netwerk. Je kunt me de nieuwste splunk -kennisgevingen laten zien, met name in Merraki_index? Ik wil dat je in de Splitsen Waar is de bron Meraki Network Pas in de afgelopen 3 weken.
U zult merken dat ik niet specifiek hoefde te zijn over hoe te zoeken. Ik moest gewoon de agent vertellen waar ik naar op zoek was.
Indrukwekkend, toch? Dit is wat de farao van het net deed:
- Eerste onderzoekspoging – Ik heb geprobeerd op zoek te gaan naar Meraki_Index met Source = “Meraki Network” maar ontving een syntaxisfout.
- Correctie van het query -formaat – Splunk Splunk Syntasses gereguleerd naar het juiste formaat.
- Brede verkenning – Zoek de hele Meraki -index om de structuur van de gegevens en de beschikbare bronnen te begrijpen.
- Gegevensanalyse – Twee hoofdbronnen gevonden: “Home Network” (Ports of Port) en “Meraki Network” (wijzigingen in de configuratie).
- Gerichte extractie – Specifiek gericht op de bron “Meraki Network” zoals vereist.
- Analyse van de kennisgeving – Belangrijkste velden Extracten: soorten waarschuwingen, niveaus, apparaten en wijzigingsgegevens van payload JSON.
Dit was helemaal alleen, inclusief zelfcorrectie en pogingen om het resultaat te verkrijgen dat ik heb gevraagd.
Server 2: Meraki MCP
De tweede MCP-server is de plaats waar “zelfherstel” in het spel komt.
Nadat de MCP Meraki -server de gedetecteerde modificatie ontvangt (bijvoorbeeld, IP -apparaat Bewerken van het adres), gebruik de Meraki Dashboard API om deze wijziging om te keren. Geen handmatige instructie, geen voorgeprogrammeerde responsketen. De agent begreep dat de verandering de drift vertegenwoordigde en nam maatregelen om de uitlijning te herstellen.
Keyway -snelweg
- Ik hoefde niet een zo hard gecodeerde stroom tussen de twee te schrijven. Ik heb zojuist de tools gedefinieerd en de context van de agent gegeven. De agent koos voor het juiste hulpmiddel, selecteerde de juiste functie en handelde volledig onafhankelijk.
- Ik heb hulpmiddelen gedefinieerd om tools beschikbaar te stellen in mijn Meraki MCP-Unique-schokkende functies van land die slechts één ding uitvoeren en één ding uitvoeren: om een lijst van mijn apparaten in te voegen, mijn apparaten bij te werken enzovoort op wat de netwerkingenieurs waarschijnlijk hebben gebruikt en gecodificeerd.
Dit is wat er gebeurt als het de intentie de actie laat leiden en de agent de orkestratie laat doen. Het is eenvoudig, schaalbaar en krachtig.
Laten we nu eens kijken hoe de zelfvrije agent ons netwerk met Meraki MCP [that includes actual output].
Allereerst G.En een akte van wat is veranderd.
Verzoek > Deze man van Kareem Iskander had het netwerk geen wijzigingen moeten aanbrengen. Onaanvaardbaar! Kun je me naast elkaar laten zien wat is veranderd?
Nogmaals, indrukwekkend! Merk op dat de informatie wordt geëxtraheerd uit Splunk via de MCP Splunk Server. Bovendien is bekend hoe onze agent ons suggesties heeft gegeven over het herstellen van veranderingen. Nogmaals, indrukwekkend! Merk op dat de informatie wordt geëxtraheerd uit Splunk met behulp van de MCP Splunk Server.
Bovendien wil ik onderstrepen hoe onze agent ons suggesties heeft gegeven over hoe we automatisch wijzigingen kunnen herstellen met behulp van de eindpunt -API’s die beschikbaar zijn in de Meraki MCP! Ik hoefde niet aan te geven welke organisatie of Meraki -netwerk tot de apparaten behoorde, noch hoefde ik het type apparaat te specificeren.
Netwerk Farao was bekend met de hiërarchie van het dashboard van Meraki en heeft het gekruist!
Het is nu tijd om het netwerk te genezen!
Verzoek > NETP We herstellen de configuratie naar de oorspronkelijke status voor alle wijzigingen die zijn gedetecteerd!
Omdat dit belangrijk is
Dit is niet zomaar een leuk zijproject. Het is een echte zorg voor alle netwerkingenieurs: Configuratieafwijking!
Of het nu gaat om onbedoelde wijzigingen, ongeautoriseerde wijzigingen of verkeerde afstemming met de bron van waarheid, de drift van de configuratie leidt tot downtime, nalevingsproblemen en eindeloze handmatige opruiming. Een kunstmatige intelligentie -agent biedt een beter model: Automatisch detecteren, begrijpen en corrigeren.
Ik heb zojuist twee stappen gezet en de agent aan het werk gezet:
- Definieer de interfaces van het instrument (SDK + Meraki API SDK)
- Registreer die tools met MCP
Dit is de kracht van het bouwen van Agent Systems naast de workflows die we al kennen.
Welke vaardigheden heb je eigenlijk nodig?
Laten we het simpel houden. Hier zijn de vereiste vaardigheden:
- Coderen met Python
- Begrijp de SDK en hoe deze te gebruiken
- Netwerkautomatisering en programmeerbaarheid met bijen
- MCP -framework om de toegang en uitvoering van de tool te structureren
- Netwerkcapaciteiten
Waar gaat dit allemaal heen?
Neem even de tijd om het grotere plaatje beter te begrijpen.
Wat ik hier heb gebouwd – een zelfherstellend netwerk met behulp van twee MCP-Non-agenten is een prototype. Het is een voorbeeld van de bredere visie van Cisco.
In de aankondiging van het AI -canvas heeft Cisco de basis gelegd voor het Agent -tijdperk: modulaire agenten die samenwerken met onze tools, onze intenties begrijpen en autonome acties ondernemen. Deze demo past daar perfect bij. Een agent detecteert de drift via Splunk, een andere handelt via Meraki, allemaal met een prompt en enkele tools van geregistreerde gereedschappen.
Het is nu de bedoeling om te stratificeren in het diepgaande netwerkmodel van Cisco: een volledig en begrijpelijk inzicht in het hele netwerk, getraind in jaren van expertise en Cisco Telemetry of CCIE-niveau en een reeks vooraf gebouwde agenten klaar voor gebruik.
In plaats van alleen een verkeerd VLAN-fout om te keren, omvat de agent:
- Welke toepassingen afhankelijk zijn van dat VLAN in hybride omgevingen
- Of de verandering een schending van segmentatie heeft veroorzaakt of een prestatieachteruitgang heeft geïntroduceerd
- Hoe het probleem op te lossen zonder de bedrijfskritieke verkeersstroom te onderbreken
- Hoe de bron van waarheid bij te werken om een legitieme intentie achter de verandering weer te geven
Dit is waar de theorie werkelijkheid wordt:
- Het canvas Geeft ons de omgeving en de agenten.
- Het Cisco Deep Network Model Geeft de agenten de situationele intelligentie om te handelen met de context.
- MCP Geeft ons de uitbreiding van BYOA (build your agent), wat een toekomstige functie is.
En dat is wat netwerkingenieurs nodig hebben, geen ander platform, maar een assistent die het begrijpt; Iemand die kan denken zoals wij, sneller kan handelen dan wij en beslissingen neemt waarop we kunnen vertrouwen.
Het is tijd om achter het stuur te gaan zitten
Dit is geen eenmalig iets. Het is een vermenigvuldiger. Samen, op het canvas, het Cisco Deep Network Model en MCP Plaatsen Netwerkingenieurs achter het stuur van deze nieuwe AI -agent. Zoals JEU ook zei: “De toekomst komt sneller dan je denkt”.
Houd de curve bij en wees deel van het buitengewone.
Bekijk mijn GitHub -repository voor een volledig functionerende code van deze demo.
Ontgrendel de toekomst van technologie met een kunstmatige intelligentievorming in Cisco U.
Verken het leren van de AI en begin vandaag nog met het opbouwen van uw vaardigheden.
Lees meer van de serie naar de pauzes:
Meld je aan voor Cisco U. | Word vandaag nog gratis lid van het Cisco Learning Network.
Leer met Cisco
X| Discussies | Facebook | LinkedIn | Instagram| YouTube
Gebruik #Ciscou EN#CiscoCert om deel te nemen aan het gesprek.
Deel:
Ik ben van plan om dit weekend naar de markt te gaan.
BRON
