AIOps 书籍

通过这本实践指南，掌握基于AI的基础设施自动化，构建生产就绪的MCP服务器和Go语言编写的AI代理。从手动操作AWS转变为智能自动化，理解您的环境并做出明智决策，同时保持人类控制。

书籍结构与内容

前言

• 这本书适合谁
• 您将构建什么
• 本书如何组织
• 关于快速变化的领域的注意事项
• 致谢社区

第一部分：基础

第一章：AIOps革命

• 传统自动化的局限性
• AIOps真正意味着什么
• 基础设施上下文问题
• 引入MCP和AI代理
• 现实世界的影响和案例研究
• 为什么现在重要
• 在这本书中您将学到什么

第二章：DevOps工程师的AI基础

• 理解用于基础设施工作的大型语言模型
• 上下文窗口和内存限制
• 用于基础设施自动化的提示工程
• 运营中的AI能力和限制
• 基于AI的基础设施的安全考虑
• 与现有工具的集成模式
• 如何选择合适的AI模型和提供商
• 构建可靠的AI系统
• 下一步是什么

第三章：深入理解模型上下文协议

• MCP是什么以及为什么重要
• MCP架构和核心概念
• 协议规范和通信模式
• MCP与REST API和GraphQL的比较
• DevOps中的现实世界MCP用例
• MCP生态系统和工具
• 实施MCP的安全性和信任
• 协议的发展方向
• 下一步是什么

第四章：设置您的开发环境

• 用于MCP的Go开发环境
• AWS CLI和SDK配置
• AI工具集成
• 下一步是什么

第二部分：构建MCP服务器

第五章：使用Go构建您的第一个MCP服务器

• 项目结构和依赖项
• 基本的MCP协议实现
• AWS SDK集成
• 资源发现和格式化
• 测试您的MCP服务器
• 下一步是什么

第六章：用于基础设施操作的MCP工具

• 理解MCP工具与资源的区别
• 工具项目的结构
• 实现MCP工具
• 扩展AWS客户端
• 在MCP服务器中注册工具
• 现实世界的例子：完整的AI到基础设施流程
• 章节总结

第七章：高级AWS操作

• 生产基础设施
• AWS基础设施基础
• 增强的MCP服务器架构
• 扩展的项目结构
• 核心参数结构
• VPC和网络工具实现
• 自动扩展组工具实现
• 应用负载均衡器工具实现
• RDS工具实现
• 工具注册和MCP集成
• 现实世界的例子：完整的生产部署
• 章节总结
• 下一步是什么

第八章：重构以达到生产就绪架构

• 理解当前架构的局限性
• 重构目标和愿景
• 关键重构步骤
• 面临的挑战及其解决方案
• 为第九章做准备
• 结论

第九章：GitHub Copilot与MCP集成以实现基础设施自动化

• GitHub Copilot与MCP
• 深入了解VS Code中的MCP配置
• 现实场景：带有GitHub Copilot的三层应用
• 理解Copilot的AI决策过程
• 高级Copilot集成模式
• 使用GitHub Copilot调试和故障排除MCP
• 章节总结

第三部分：DevOps的AI代理

第十章：AI代理架构

• 从无状态工具到有状态代理
• AI代理基础
• 代理架构模式
• 深入了解代理组件
• 企业代理考虑因素
• 您已经学到了什么
• 下一步是什么

第十一章：理解您将要构建的内容

• 从自动化到智能的演变
• AI基础设施代理的核心原则
• AI代理架构概述
• 代理执行流程
• 您将要构建的内容
• 战略优势
• 下一步是什么

第十二章：LangChain框架简介

• LangChain是什么？
• 为什么基础设施代理需要LangChain？
• LangChain核心概念
• 将LangChain映射到您的代理架构
• LangChain中的代理模式
• Go与Python中的LangChain
• 这对基础设施自动化为何重要
• 您已经学到了什么
• 下一步是什么 </中文翻译>