Una service mesh de código abierto que añade gestión del tráfico, seguridad y observabilidad a los microservicios con pocos cambios en el código o ninguno.
38,5 mil+13 esta semana8,4 milGoApache-2.0Actualizado hace 20 horas
microsoft/AIOpsLab
Framework de Python para diseñar, desarrollar y evaluar agentes autónomos de AIOps en entornos de nube con microservicios simulados e inyección de fallos.
- Estrellas
- 1,027
- Forks
- 180
- Issues abiertos
- 37
- Último commit
- ayer
¿Qué es?
AIOpsLab es un framework para crear y comparar agentes que se encargan de tareas de operaciones de TI, como detectar, localizar, analizar y mitigar fallos en servicios en la nube. Puede desplegar aplicaciones de microservicios en un clúster de Kubernetes, inyectar fallos, generar cargas de trabajo y exportar datos de telemetría, además de coordinar estos componentes y ofrecer interfaces para que los agentes interactúen con el sistema.
El proyecto incluye una suite de benchmarks con problemas de detección, localización, análisis y mitigación. El registro de problemas se puede ampliar con nuevas aplicaciones, fallos y evaluadores. Los agentes se encapsulan en una clase de Python con un método asíncrono get_action y se registran en el orquestador, que guarda cada sesión y almacena los resultados.
La configuración requiere un clúster de Kubernetes, que puede ser un clúster local de kind, un clúster remoto configurado con Ansible o máquinas virtuales de Azure aprovisionadas con Terraform. Una CLI permite que una persona actúe como agente, y el modo de servicio permite ejecutar agentes de forma remota.
Funciones clave
- 01Despliega aplicaciones de microservicios en un clúster de Kubernetes mediante Helm o kubectl.
- 02Inyecta fallos y genera cargas de trabajo con inyectores integrados y generación de carga basada en wrk2.
- 03Ofrece una suite de benchmarks con problemas de detección, localización, análisis y mitigación.
- 04Permite integrar agentes mediante una interfaz sencilla con get_action asíncrono y un orquestador compartido.
- 05Registra las sesiones de los agentes y los resultados de la evaluación para analizarlos más adelante.
Casos de uso
- Evaluar agentes basados en LLM para detectar y mitigar incidentes en una configuración realista de microservicios.
- Desarrollar y probar un agente de AIOps antes de ejecutarlo en clústeres similares a los de producción.
- Añadir aplicaciones, fallos o métricas de evaluación personalizadas para crear un benchmark interno reproducible.
Inicio rápido
- 1
Instala Python 3.11
sudo apt install python3.11 python3.11-venv python3.11-dev -y - 2
Instala Poetry con el instalador oficial indicado en el README
- 3
Clona el repositorio con los submódulos (sustituye el marcador de posición por la URL del repositorio)
git clone --recurse-submodules <CLONE_PATH_TO_THE_REPO> - 4
Instala el proyecto en modo editable con pip desde la raíz del repositorio
pip install -e .
Antes de usarlo
- Se necesita un clúster de Kubernetes, como un clúster local de kind o uno remoto, además de Helm.
- Algunos inyectores de fallos necesitan Docker en la máquina local, y para disponer de toda la funcionalidad hay que ejecutarlos en una VM de controlador.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es AIOpsLab?
- Framework de Python para diseñar, desarrollar y evaluar agentes autónomos de AIOps en entornos de nube con microservicios simulados e inyección de fallos. AIOpsLab es un framework para crear y comparar agentes que se encargan de tareas de operaciones de TI, como detectar, localizar, analizar y mitigar fallos en servicios en la nube. Puede desplegar aplicaciones de microservicios en un clúster de Kubernetes, inyectar fallos, generar cargas de trabajo y exportar datos de telemetría, además de coordinar estos componentes y ofrecer interfaces para que los agentes interactúen con el sistema.
- ¿AIOpsLab es gratuito? ¿Qué licencia tiene?
- AIOpsLab es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿AIOpsLab sigue mantenido?
- Mantenimiento activo. El último commit de AIOpsLab fue el 6 nov 2026.
- ¿Para qué puedo usar AIOpsLab?
- Evaluar agentes basados en LLM para detectar y mitigar incidentes en una configuración realista de microservicios. Desarrollar y probar un agente de AIOps antes de ejecutarlo en clústeres similares a los de producción. Añadir aplicaciones, fallos o métricas de evaluación personalizadas para crear un benchmark interno reproducible.
- ¿Cómo se instala AIOpsLab?
- Instala Python 3.11: sudo apt install python3.11 python3.11-venv python3.11-dev -y Instala Poetry con el instalador oficial indicado en el README Clona el repositorio con los submódulos (sustituye el marcador de posición por la URL del repositorio): git clone --recurse-submodules <CLONE_PATH_TO_THE_REPO> Instala el proyecto en modo editable con pip desde la raíz del repositorio: pip install -e .
- ¿Dónde consigo AIOpsLab?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/microsoft/AIOpsLab
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Watt es un servidor de aplicaciones Node.js que ejecuta cualquier app de Node.js en worker threads para mejorar el uso de CPU, el escalado y la observabilidad en contenedores.
2,2 mil+37 esta semana211JavaScriptApache-2.0Bien mantenidoActualizado hace 20 horas
Un contenedor sandbox para JVM que añade AOP no invasivo en tiempo de ejecución a aplicaciones Java activas, sin reiniciarlas.
7 mil+2 esta semana1,6 milJavaLGPL-3.0Actualizado hace 2 meses
Plataforma AIOps de código abierto que centraliza alertas, las deduplica y correlaciona, y automatiza las respuestas mediante flujos de trabajo.
12,5 mil+37 esta semana1,5 milPythonOtherBien mantenidoActualizado hace 3 días
Sistema de seguridad empresarial que descubre, supervisa, compara y detecta comportamientos riesgosos de agentes de programación con IA y agentes de soporte al cliente.
2,1 mil+37 esta semana231PythonApache-2.0Bien mantenidoActualizado hace 8 días
Plataforma en Python para desplegar y ejecutar agentes de IA empresariales en distintos frameworks, nubes y canales de mensajería, con compatibilidad con MCP y A2A.
19288PythonApache-2.0Actualizado hace 20 horas