引言
基礎設施即代碼（Infrastructure as Code, IaC）已成為現代雲端運算與DevOps實踐的核心技術，而Terraform與Open Tofu作為主流IaC工具，持續推動自動化部署與資源管理的進步。然而，隨著基礎設施規模擴張，開發者面臨模組膨脹、政策管理複雜與文檔維護困難等挑戰。本文探討如何透過Agentic AI技術，結合生成式AI與IaC工具，建立自動化協作系統，以減少重複性工作（toil），提升GitOps流程效率。
技術與架構概述
Agentic AI透過多代理協作架構，將複雜任務拆解為可執行的子任務，並透過語言模型與工具鏈整合，實現自動化審查與優化。關鍵技術包括：
- Terraform/Open Tofu：作為IaC工具，提供基礎設施定義與管理能力。
- CNCF生態系：整合Kubernetes、Helm等工具，支援容器化與自動化部署。
- LangGraph與Crew框架：用於協調代理之間的任務執行與結果整合。
Agentic AI的核心概念與應用
代理（Agent）與代理應用（Agentic Application）
Agentic AI的核心在於「代理」的設計與協作。代理是自主執行特定任務的軟體實體，其運作依賴明確的輸入與輸出範疇。例如，PR標題審查代理專注於解析提交訊息的清晰度，而代碼審查代理則分析Terraform配置的政策合規性。
Agentic Application則透過分層式架構，將任務拆解為多個代理協作完成。例如，監督者代理（Supervisor）將PR審查任務分配至專門代理（如文檔檢查、政策驗證），並整合結果，處理衝突與反饋循環。
任務拆解與協作流程
- PR標題與描述審查：檢查標題是否清晰，描述是否完整，確保提交訊息符合團隊標準。
- 代碼審查：識別模組重複、政策違規、跨引用錯誤，並提供具體改進建議。
- 文檔生成：自動補充缺失的文檔內容，提升知識庫完整性。
透過LangGraph框架，代理之間的協作流程可視化，並支援動態調整任務分配策略。
實際應用案例與成果
測試環境與執行流程
在生產環境的副本中，系統處理700+個Pull Request，並透過Jira Ticket觸發自動化流程。例如，針對建立CloudFront環境的Jira Ticket，系統會：
- 生成PR標題與描述建議。
- 自動補充缺失的文檔內容。
- 標註潛在問題（如重複AWS資源、政策違規）。
關鍵成果
- 自動化審查：有效識別模組重複與政策違規，減少人工審查負擔。
- 文檔補充：自動生成缺失的文檔內容，提升知識庫覆蓋率。
- 靈活性：支援未來擴展至Jira Ticket到PR的自動化流程。
技術優勢與挑戰
優勢
- 減少重複性工作：透過代理協作，自動化處理PR審查與代碼分析，降低開發者手動介入需求。
- 提升一致性：標準化審查流程，確保政策與文檔符合團隊規範。
- 可擴展性：分層式架構支援未來整合更多IaC工具（如Kubernetes、Helm）。
挑戰
- 資源消耗：多代理系統需更多計算資源，可能影響執行效率。
- 提示詞設計：需精準定義代理任務，避免過長提示詞導致結果不一致。
- 代理協作複雜度：需建立穩定的代理間通訊協議與錯誤處理機制。
未來方向與技術演進
開放源碼集體（Internet of Agents）
推動Agentic AI的互通協作，建立標準化規範與工具框架。目前已制定技術規範，並開發初步軟體架構，支援代理包裝與即時部署。
技術優化路線
- 協作流程優化：減少資源消耗，提升任務處理靈活性。
- 提示詞設計：探索更高效的提示詞策略，提升代理任務分配準確性。
- 工具整合：擴展至更多IaC工具，如Kubernetes、Terraform，強化自動化能力。
結語
Agentic AI為基礎設施即代碼帶來全新可能性，透過代理協作與生成式AI技術，有效減少重複性工作，提升開發效率與系統一致性。未來將持續深化代理AI的協作能力，並推動開放生態系的建立，以實現更高效的IaC管理流程。