HolmesGPT

本番障害の調査（root cause analysis）を自動化するオープンソースのAIエージェント。Robusta.devが開発し、Microsoftが主要コントリビュータとして参加している。2025年10月8日にCNCF Sandboxプロジェクトとして採択された。ライセンスはApache 2.0。

#ai-agent #observability #sre #cncf #devops

何をするものか

アラートやユーザーの質問を起点に、エージェント自身が観測データを取りに行って原因を特定する。CLIの基本形は次の通り。

holmes ask "what is wrong with the user-profile-import pod?"

内部では自律的なタスク分解のループが回る。

質問の意図を理解する
問題を小さなタスクに分解する
Prometheusのメトリクス、Kubernetesのイベントやログなどを自動でクエリする
集めたシグナルを相関させる（例: 直近のデプロイと事象の時刻を結びつける）
診断結果と改善案を自然言語で返す

graph LR A["アラート / 質問"] --> B["タスク分解"] B --> C["toolset経由で<br/>観測データを取得"] C --> D["シグナルの相関付け<br/>仮説の生成"] D -->|情報が足りない| C D --> E["根本原因と修正案<br/>(自然言語)"]

静的なダッシュボードや、単に会話するだけのチャットボットとの違いは、データソースに能動的にクエリを投げて仮説を反復的に改善する点にある。狙いは、複数ツール間のコンテキストスイッチと手動での相関付けというトイルを減らすこと。

Toolset

データソースへの接続は「toolset」というプラグイン単位で表現され、50以上がbuilt-inで用意されている。

領域	例
インフラ	Kubernetes, Docker, AKS, OpenShift
メトリクス	Prometheus, Grafana, Datadog, New Relic
ログ	Loki, Elasticsearch, VictoriaLogs, Coralogix
データベース	PostgreSQL, MySQL, MongoDB, MariaDB
クラウド	AWS, Azure, GCP
CI/CD	GitHub, GitLab, Jenkins
アラート・チケット	AlertManager, PagerDuty, OpsGenie, Jira, Slack

AWS・Azure・GitHub・GitLab・Jenkinsなど多くのtoolsetはMCPに対応しており、社内の独自ツールもMCPサーバとして公開すれば同じ枠組みで繋げられる。自前のtoolsetはYAMLでコマンドを宣言する形でも書ける。

kubernetes/pod_status:
  tools:
    - name: "get_pod"
      command: "kubectl get pod {{ pod }} -n {{ namespace }}"

DNS障害の切り分けやPVCの扱いといったランブック（運用手順）をコード化して食わせられるのも特徴で、組織固有の運用知識を再利用可能な形で持ち込める。

その他の特徴

LLMプロバイダ非依存 — OpenAI・Anthropic・Azure・Bedrock・Geminiなどに対応
Kubernetes必須ではない — VM・クラウド・データベース・SaaSも調査対象にできる
アラート系との双方向連携 — AlertManagerやPagerDutyからアラートを取得して調査し、結果を元のシステムに書き戻す
Operator mode — 24/7でバックグラウンド常駐し、問題を先回りして検知してSlackに通知する。デプロイ検証やスケジュール実行のヘルスチェックも行う
ペタバイト級のデータを扱うためのサーバサイドフィルタリングやJSONツリー走査、ツールごとのメモリ上限といった実装がある

Robustaプラットフォームとの関係

HolmesGPT本体はOSSのエージェントで、その上に商用のRobustaプラットフォーム（SaaSまたはセルフホスト）が乗る構成になっている。プラットフォーム側は複数のエージェントを集中管理し、チャットUIを提供する役割を持つ。AWS Marketplaceには「Robusta SRE Agent (HolmesGPT Enterprise)」として出品されている。

出典

🔗 リンクされているノート

CNCF

作成日時: 2026-09-02 20:35 / 更新日時: 2026-09-02 20:35