Добавили ИИ-ассистента в Kubernetes-платформу: управляем кластером на человеческом языке и планы на встроенную LLM

Привет, Хабр! Мы активно работаем над упрощением эксплуатации Deckhouse Kubernetes Platform (DKP). Недавно рассказывали, что полное управление платформой через веб-интерфейс стало доступно в бесплатной редакции DKP. Сегодня делаем следующий шаг — встраиваем туда ИИ-ассистента, так что попробовать его может любой и без коммерческой лицензии.

ИИ-ассистент упрощает работу и диагностику проблем в платформе (помогает разобраться в состоянии кластера, ресурсах и документации) и позволяет управлять ею на человеческом языке. Это не замена инженеру, но ассистент существенно снижает порог входа и когнитивную нагрузку.

Сейчас это альфа-версия, поэтому расскажем честно: что уже есть, чего пока нет и куда всё это движется.

Если не знакомы с Deckhouse Kubernetes Platform — почитать подробнее о ней можно на официальном сайте.

Что умеет ИИ-ассистент прямо сейчас

Ассистент — это чат-виджет в интерфейсе. Его можно свернуть, развернуть, перетаскивать по экрану — он не мешает работать.

Работает с любыми OpenAI-совместимыми моделями. К агенту надо подключить LLM-модель: указываете endpoint, имя модели и API-ключ — ассистент готов к работе. Он не привязан к конкретному провайдеру и работает с той LLM, которую вы ему укажете.

Настройка через UI. Администратор заполняет форму с параметрами модели прямо в интерфейсе: адрес API, имя модели, ключ, лимиты токенов. Не нужно копаться в конфигурациях.

Предупреждение о рисках. При включении ассистента пользователь видит предупреждение: данные из кластера (манифесты, логи, очередь) передаются в указанную LLM. Подключайте только те модели, которым доверяете.

Счётчик токенов. В интерфейсе видно, сколько токенов «съедает» каждый запрос к модели. Полезно для контроля затрат.

Работа с ресурсами кластера. По умолчанию ассистент работает в режиме чтения: анализирует ресурсы, логи, документацию и очередь Deckhouse. Но он также умеет создавать, изменять или удалять ресурсы — для этого достаточно переключить тумблер «Разрешить изменения» в интерфейсе чата.

Безопасность через RBAC. Все действия ассистента выполняются от имени текущего пользователя. Если у вас нет прав на создание ресурса в интерфейсе, ассистент тоже не сможет это сделать. Никаких обходов модели доступа.

Смотрите, как это выглядит в действии:

Подробности настройки, все параметры подключения, ограничения и примеры использования — в документации ассистента.

Ассистент покрывает три большие области: контейнеры, виртуализация и мониторинг. Везде, где нужно разобраться в состоянии или выполнить действие, он помогает через обычный диалог.

Работа с виртуализацией

DKP поддерживает и контейнеризацию, и виртуализацию. С ассистентом создание виртуальных машин (ВМ) выглядит так:

• Пишете в чат: «Создай ВМ с Ubuntu, 8 ГБ RAM, диск 100 ГБ в проде».

• Ассистент читает реальное состояние кластера через MCP и сам формирует манифест.

• Подтверждаете — ВМ создаётся.

Не нужно знать структуру CRD, искать примеры в документации или копировать манифесты из старых проектов. Ассистент видит ресурсы кластера и сам диагностирует проблемы: почему ВМ не стартует, где уперлись в ресурсы, что в событиях и статусах.

Пользователь описывает целевое состояние — платформа доводит инфраструктуру до него в рамках установленных политик Self-service. Разработчики и QA получают ВМ без обращения к платформенной команде.

Вместо написания манифестов — три шага: «Создать ВМ — Подтвердить — Проверить статус».

Пример живой миграции ВМ через ИИ-ассистента:

• Запрос: пользователь пишет «мигрируй ВМ». Ассистент формирует манифест операции, показывает план действий и запрашивает подтверждение.

• Выполнение: после согласия миграция запускается. Ассистент отслеживает прогресс и по запросу («с ней всё ок?») проверяет статус машины, подтверждая, что перенос на новый узел проходит штатно.

Что ИИ-ассистент пока не умеет (но мы к этому идём)

Это MVP, и мы честно рассказываем, что уже работает, а что — в планах.

Собственная встроенная LLM. Пока у платформы нет модели «из коробки», но пользователь может подключить любую OpenAI-совместимую модель — в том числе ту, которая уже развернута внутри закрытого контура без отправки данных вовне. Наша цель — добавить собственную LLM прямо в поставку DKP. Это упростит настройку и сделает использование ИИ максимально безопасным, что критично для КИИ и госсектора, но пока это в разработке.

Диагностика инцидентов. Ассистент может читать логи, но пока не умеет анализировать их и предлагать причины сбоев. Это тоже в планах.

Контекстные подсказки и What-if. Зависит от модели и контекста, пока рано обещать.

Мы не остановимся на функционале чат-бота. Логичное развитие — полноценный ИИ-ассистент, который выступает наставником для новых пользователей: не знаешь, как сделать задачу, расскажи человекопонятным языком — ассистент или сделает её, или расскажет, как.

Мы идём к тому, чтобы предложить безопасный ИИ, который может работать в изолированных контурах. Это наше стратегическое преимущество.

Как попробовать

1. Установите Deckhouse Kubernetes Platform с помощью графического установщика.

2. В интерфейс кластера можно попасть сразу после установки, так как веб-интерфейс встроен в установщик.

3. Включите модуль console и создайте секрет assistant в неймспейсе d8-console с параметрами подключения к вашей LLM.

4. Откройте веб-интерфейс — кнопка чата (✨) появится в верхней панели.

Подробности настройки и примеры использования — в документации.

Нам важна обратная связь

Это альфа-версия, и мы будем развивать ассистент. Расскажите в комментариях, что ещё хотелось бы видеть в функциональности агента. Какие сценарии использования вам нужны? Что не работает? Что добавить в первую очередь?

Мы читаем все комментарии и учитываем их в разработке.