La gestió d'incidències en entorns distribuïts s'ha convertit en un dels principals reptes per als equips d'operacions. Quan una fallada ocorre a les 3 de la matinada, l'enginyer de guàrdia ha de navegar entre desenes de microserveis, logs dispersos, traces emmagatzemades en múltiples ubicacions i un arsenal d'eines d'observabilitat. La sobrecàrrega cognitiva és enorme, i qualsevol retard en el diagnòstic pot traduir-se en pèrdues econòmiques i de reputació. Davant d'aquest escenari, la combinació d'intel·ligència artificial i automatització ofereix una sortida real: construir un agent SRE autònom capaç d'orquestrar tot el procés de diagnòstic i post-mortem sense intervenció humana. En aquest article explorem com implementar un sistema d'aquest tipus utilitzant Google Agent Development Kit (ADK) i Antigravity SDK, dues tecnologies que permeten crear agents intel·ligents amb polítiques de seguretat granulars i capacitats de raonament multiagent.
La proposta tècnica es basa en una arquitectura de microserveis que separa clarament les responsabilitats d'orquestració i diagnòstic. L'orquestrador, construït amb Antigravity SDK, actua com a porta d'entrada i aplica una política de seguretat de mínim privilegi: per defecte denega qualsevol acció, i només permet delegar tasques a un sub-agent especialitzat en SRE. Aquest sub-agent, implementat amb ADK v2, utilitza un graf de dos nodes: el primer analitza les traces recents de l'aplicació, filtra aquelles amb errors o latències elevades, i aïlla l'identificador de traça conflictiva; el segon node correlaciona els spans i logs associats a aquesta traça, executa consultes mètriques i genera una anàlisi de coll d'ampolla mitjançant un càlcul de temps exclusius. El resultat és un diagnòstic precís que identifica no només el servei lent, sinó el span concret on es perd el temps, ja sigui una base de dades, una crida HTTP o un timeout de connexió.
Per tal que l'agent pugui operar de forma segura en entorns reals, el desplegament a Google Cloud Run assigna comptes de servei independents amb permisos estrictament de només lectura per a l'agent de diagnòstic i de només escriptura per a l'aplicació objectiu. Aquesta separació impedeix que l'agent pugui mutar el sistema productiu mentre investiga. A més, l'agent d'inventari proporciona un mapa topològic del projecte —serveis, dependències, bases de dades— que permet acotar la cerca i evitar crides innecessàries a l'API. Tot el flux es comunica mitjançant el protocol Agent a Agent (A2A) i els resultats es transmeten com a Server-Sent Events, cosa que permet a l'enginyer seguir la investigació en temps real sense esperar que acabi un spinner.
Des d'una perspectiva empresarial, aquest tipus de solució encaixa perfectament amb les necessitats de companyies que busquen aplicacions a mida per a les seves operacions. A Q2BSTUDIO desenvolupem programari personalitzat que integra agents d'IA, automatització de processos i plataformes cloud. Un agent SRE autònom redueix dràsticament el temps mitjà de resolució (MTTR) i allibera els enginyers de guàrdia de tasques repetitives, permetent-los centrar-se en millores arquitectòniques. A més, la infraestructura cloud subjacent —ja sigui AWS, Azure o GCP— es beneficia d'aquest tipus d'automatització perquè l'agent pot escalar horitzontalment sense intervenció manual.
La seguretat és un altre pilar fonamental. L'ús de polítiques de denegació per defecte i la segregació de permisos evita que un agent mal configurat pugui causar danys. Per això, recomanem combinar aquest enfocament amb serveis de ciberseguretat que auditen periòdicament els accessos i les regles dels agents. Així mateix, la capacitat de generar informes de post-mortem automatitzats —amb línia temporal, anàlisi de causa arrel i pla de prevenció— facilita la millora contínua i la rendició de comptes.
Pel que fa a l'analítica de dades, els agents SRE poden integrar-se amb eines de Business Intelligence com Power BI per visualitzar tendències d'incidències, temps de resposta i colls d'ampolla recurrents. Això permet als equips d'operacions i negoci prendre decisions informades sobre inversions en infraestructura o canvis en l'arquitectura. La intel·ligència artificial no només accelera el diagnòstic, sinó que també descobreix patrons ocults que passarien desapercebuts per a un humà.
Per provar aquesta arquitectura de forma local, existeix un mode simulat que no requereix credencials de cloud. N'hi ha prou amb clonar el repositori, instal·lar les dependències i executar l'script de simulació per veure com l'agent analitza una incidència de base de dades, identifica el coll d'ampolla (per exemple, un timeout de connexió que consumeix el 99% del temps) i genera un informe de post-mortem complet en Markdown. Després, aquest informe es pot exportar amb un sol clic per incloure'l en la documentació de l'equip.
L'extensibilitat del sistema és un dels seus majors avantatges. En estar basat en ADK i el protocol A2A, es poden afegir nous sub-agents —per exemple, un que revisi logs de seguretat o que consulti mètriques de rendiment de base de dades— sense modificar l'orquestrador principal. Això el converteix en una plataforma preparada per al futur, on els agents d'IA es converteixen en el primer nivell de resposta davant qualsevol anomalia.
A Q2BSTUDIO apostem per la combinació de cloud AWS/Azure, BI/Power BI i agents IA com a palanques per a la transformació digital de les empreses. Un agent SRE autònom no és només una eina tècnica, sinó una inversió estratègica que redueix costos operatius, millora la disponibilitat del servei i augmenta la satisfacció de l'equip d'operacions. Si estàs considerant implementar una solució similar, el nostre equip pot ajudar-te a dissenyar un agent adaptat a la teva infraestructura, amb les polítiques de seguretat i els fluxos de diagnòstic que millor s'ajustin al teu negoci.
