mABC: multi-Agent Blockchain-Inspired Collaboration for root cause analysis in micro-services architecture

随着云原生技术中微服务架构的日益复杂，维护系统稳定性和效率面临着重大挑战。为了进行警报事件的根本原因分析（RCA）和解决方案，我们提出了一个开创性的框架，即基于区块链启发的多智能体协作框架用于微服务架构的根本原因分析（mABC），以革新人工智能运维（AIOps）领域。在该框架中，基于强大的大型语言模型（LLM）的多个智能体执行区块链启发式投票，按照代理工作流程提供的任务和查询进行标准化处理，以达成最终一致。具体来说，从代理工作流程中衍生出七个专业代理，每个代理根据其专业知识和LLM的内在软件知识，为根本原因分析提供宝贵的见解，这些代理在分散的链中进行协作。为避免LLM中的潜在不稳定性问题，并充分利用分散结构中透明和平等的优势，mABC采用了受区块链治理原则启发的决策过程，同时考虑了每个代理的贡献指数和专业指数。公共基准AIOps挑战数据集和我们创建的火车票数据集上的实验结果表明，与之前的强基线相比，mABC在准确识别根本原因和制定有效解决方案方面表现出优越的性能。消融研究进一步凸显了mABC内每个组件的重要性，代理工作流程、多智能体和区块链启发式投票对于实现最佳性能至关重要。mABC为微服务架构提供了全面的自动化根本原因分析和解决方案，并在AIOps领域实现了显著的改进。

论文旨在解决微服务架构中根本原因分析和解决警报事件的挑战，提出了一个基于多智能体区块链的协作框架mABC。

mABC框架通过多个基于大型语言模型的智能体进行协作，采用区块链投票决策机制，实现根本原因分析和解决方案的自动化。

实验结果表明，mABC在AIOps领域中具有显着的优势，能够准确识别根本原因并制定有效解决方案。论文提出的Agent Workflow、多智能体和区块链投票决策机制是实现最佳性能的关键。

最近的相关研究包括基于机器学习的自动故障检测和根本原因分析，例如《AIOps领域的机器学习方法综述》和《基于机器学习的根本原因分析：进展和挑战》。