AI Agent 云监控实测：自然语言驱动全链路可观测运维

30 秒读懂

阿里云云监控 CLI（aliyun cms2）将 CMS 2.0 控制台的接入、配置、查询、告警、事件等能力统一封装成命令行入口；而 CMS Agent Skill 则将这些命令编排成面向 AI Agent 的业务工作流。

过去，运维自动化通常从 API 开始：查文档、拼参数、写脚本、调接口，一圈折腾下来，效率没提多少，复杂度倒是上去了。现在，通过云监控 CLI + Agent Skill，这些操作可以被组织成 AI Agent 能理解、能执行、能校验的标准化工作流。

对运维人员来说，这不是“多了一个工具”那么简单。真正有价值的是：可以用自然语言描述运维目标，由 AI Agent 完成场景理解、CLI 调用、API 执行和结果校验。那些重复、多步骤、容易出错的可观测运维操作，就此变成了可确认、可审计、可复用的自动化流程。

为什么需要 CLI+Agent Skill

云上业务规模和基础设施持续增长，可观测运维几乎贯穿了资源接入、指标/日志采集、告警治理、链路排查、根因分析和稳定性运营的每一个环节。工作量越来越大，操作也越来越复杂。与此同时，AI Agent 凭借强大的语言理解与任务编排能力，正在成为新的运维协作入口。不少团队已经开始尝试把那些重复、标准化、多步骤的任务交给 Agent 去执行，把复杂的问题排查交给 AI 去辅助分析。

不过，想让 AI Agent 真正进入生产运维闭环，不能只停留在“理解问题、生成建议或脚本”这个层面。它还需要一套稳定的云监控能力执行入口、标准化的领域流程、必要的人工确认和可校验的执行结果。云监控 CLI + Agent Skill 正是为这个需求而生的能力套件。

CLI+Skill 的解决方案

阿里云云监控 CLI（aliyun cms2）提供统一、稳定、可审计的能力入口。CMS Agent Skill [1] 则把云监控领域的业务语义和操作流程沉淀为 AI Agent 可理解、可执行的工作流。二者配合，AI Agent 就能从“帮我把这个 ACK 集群接入云监控”这样的自然语言指令出发，自动完成场景识别、参数生成、CLI 调用、API 执行和结果校验。

• 统一命令树：CLI 已经覆盖了 CMS 2.0 控制台中的接入中心、Prometheus 服务、应用监控、用户体验监控、告警中心、事件中心等能力。后续还会继续覆盖云拨测、Grafana 大盘等，最终实现 CMS 2.0 控制台的完整覆盖。
• AI Agent 原生适配：
  --help 信息
  • 支持 --show-schema 和 --show-example-body 等辅助能力，帮助 AI Agent准确地处理各类业务场景；
  • 默认使用 -o text 输出紧凑 CSV
  • 显著降低了AI Agent的 Token 消耗；
  • 数据结构化的 JSON 错误码也让Agent可以根据错误原因自动决策和修复。
• Skill 驱动：配套的 Skill 文档沉淀了完整的业务工作流，Agent 不需要硬编码就能完成复杂的多步操作。

CLI+Skill 工作流程

对运维人员来说，最直观的变化是：不再从控制台入口或 API 参数开始操作，而是从一个明确的运维目标开始，由 Agent 按标准流程执行并校验。这条链路的核心是“可控自动化”——Agent 不会绕过现有的运维体系，而是通过统一的 CLI 入口和 Skill 中沉淀的业务规则来执行操作。这样既能减少重复劳动，又能保留必要的权限、确认和审计边界。

安装与配置

安装 Skill/CLI

• 打开阿里云 Agent Skills 门户 [1] 的 alibabacloud-cms-manage Skill，按界面引导完成安装。

• 安装完成后，AI Agent 在使用 Skill 时会自动检测并引导安装或更新阿里云 CLI 及 cms2 插件到所需版本，不用再手动处理环境依赖。

# 验证 CLI 安装成功
aliyun version
# 验证 cms2 插件可用
aliyun cms2 --help

配置凭证

支持 AccessKey、STS Token 等多种凭证类型，详情请参考文档：配置阿里云 CLI 身份凭证 [2] 。

# 交互式配置（推荐首次使用）
aliyun configure
# 非交互式配置
aliyun configure set 
  --access-key-id YOUR_AK 
  --access-key-secret YOUR_SK 
  --region cn-hangzhou

实战场景一（接入中心）：ACK 集群接入云监控

业务场景

SRE 团队新建了一个 ACK 集群用来部署微服务，需要把集群的节点、Pod、容器等指标接入云监控。

使用方式

只需要在 AI Agent 对话中输入：

“帮我看看杭州有哪些容器集群没有可观测能力，帮我接入一下。”

Agent 就会自动完成整个接入流程，用户只需要在关键节点确认即可。

AI Agent 支持的核心能力

接入中心的常见场景和提示词示例

按资源组接入： “将默认资源组下，北京区域的所有 RDS 接入云监控的 {workspace} 下。”

按标签接入： “将匹配标签 key= {tagKey}，value={tagValue} 的所有 ECS 接入云监控的 {workspace} 下。”

跨账号接入： “将 {资源目录成员账号uid} 的上海区域下，所有 AI 网关接入云监控下。”

监控组件部署： “在接入策略 {策略id/名称} 下增加 ACK 成本洞察组件接入。”

指标采集 target 检查： “检查 ACK 集群 {集群Id/名称} 的 apiserver 相关 scrape target 是否正常。”

自定义采集规则查询： “查询接入策略 {策略id/名称} 的 serviceMonitor/podMonitor/customJob 列表。”

实战场景二（告警中心）：智能告警规则管理

业务场景

SRE 需要为生产环境建立完善的告警体系。以容器服务集群节点为例，需要配置专业的节点告警规则。

使用方式

典型的对话可以像这样：

“针对容器的告警有什么建议，然后帮我 apply。”

AI Agent 支持的核心能力

告警中心的常见场景和提示词示例

智能分析告警规则： “分析现有告警是否配置合理，是否存在告警噪声，不合理就一键修改。”

查询告警规则： “查询工作空间 {workspace} 下，云产品监控的所有运行中的告警规则。”

修改告警规则联系人： “将告警规则 {规则id/名称} 的通知对象改为 {联系人}。”

删除告警规则： “删除 Prometheus 实例 {实例id/名称} 的 {规则名称} 告警规则。”

查询告警历史： “查询告警规则 {规则id/名称} 的 1 周内的告警历史。”

实战场景三（Prometheus 服务）：Prometheus 实例管理与数据查询

业务场景

运维团队需要管理多个 Prometheus 实例，分析监控指标和业务健康状况，并配置 Recording Rule 预聚合高频指标。

使用方式

典型的对话可以像这样：

“帮我看看杭州有哪些 Prometheus 实例，按工作空间分组展示。”

以下为 Agent 支持的核心能力概览

Prometheus 服务的常见场景和提示词示例

修改 Prometheus 实例存储时长： “修改 Prometheus 实例 {实例Id/名称} 的存储时长为 90 天，归档时长为 180 天。”

创建RecordingRule： “在 Prometheus 实例 {实例Id/名称} 下，创建一个 Recording Rule，预聚合各节点的 5 分钟平均 CPU 利用率。”

停止RecordingRule： “停止 Prometheus 实例 {实例id/名称} 下的 {聚合任务名} 预聚合任务。”

创建 Prometheus 聚合视图： “创建一个聚合视图 {聚合视图名}，包含 {workspace} 空间下 {区域名} 区域的所有 Prometheus 实例。”

实战场景四（应用性能监控 APM）：应用监控/AI 可观测接入

这个场景的接入流程包括初始化 APM 基础设施、获取凭证、注册应用、获取配置模板、验证接入等步骤，传统的接入过程比较复杂。通过 CLI + Skill，流程被极大简化，实现了自然语言的交互式接入。

更多细节可以参考《告别复杂接入流程：用 AI Agent Skill 驱动云监控可观测接入》。

实战场景五（数据查询）：元数据、PromQL 和基础云监控指标查询

业务场景

查询元数据、Prometheus 指标数据、基础云监控指标数据，以便分析业务运行情况、排查故障或问题。

使用方式

典型的对话可以像这样：

CPU使用率最高的 ECS 列表： “找出最近半小时内 CPU 使用率最高的 10 台 ECS 实例。”

以下为 Agent 支持的核心能力概览

数据查询的常见场景和提示词示例

RDS 慢查询： “查询过去 30 分钟内执行时间超过 1 秒的慢查询数量趋势。”

容器资源请求浪费： “查找容器集群内，过去 7 天内资源申请过大但实际使用很少的'僵尸'资源。”

容器 Pod 内存泄漏嫌疑： “查找容器集群 {集群名/id} 的 {ns} 下，过去 1 小时内存使用量持续增长，且当前值超过限值 90% 的 Pod 列表。”

总结

阿里云云监控 CLI（aliyun cms2）与配套的 CMS Agent Skill，并不仅仅是把控制台或 API 能力迁移到了命令行。它在做的，是为可观测运维构建一套面向 AI Agent 的标准操作界面。它将分散在接入、配置、查询、告警、事件等场景中的能力统一起来，让运维人员可以用更自然的方式表达目标，用更可控的方式完成执行，用更清晰的链路完成验证和审计。

对运维团队来说，这意味着可观测建设正在从“人找入口、人拼参数、人做验证”的手工阶段，逐步走向“人定义目标、Agent 编排流程、CLI 执行操作、AI 校验结果”的协同阶段。

AI 不是要替代运维人员的判断，而是显著降低重复操作、跨系统协作和复杂流程执行的成本，提升问题排查与故障定位的效率。让 SRE 把更多精力投入到稳定性设计、告警治理和故障复盘这些更高价值的工作中去。

后续我们会持续丰富 CLI 与 Skill 的能力范围，全面覆盖云监控业务场景。面向 AI 时代，云监控 CLI + Skill 希望成为运维人员和 AI Agent 之间稳定、可信、可扩展的可观测能力底座，推动自动化、智能化运维从单点尝试走向规模化落地。

相关链接：

[1] CMS Agent Skill / 阿里云 Agent Skills 门户
skills.aliyun.com/skills/alibabacloud-cms-manage

[2] 配置阿里云 CLI 身份凭证
help.aliyun.com/zh/cli/configure-aliyun-cli-identity-credentials

附录：CMS CLI 命令树

aliyun cms2
  │
  │                # 接入管理域
  ├── integration                 接入管理（包含接入策略、Addon 组件、采集规则等的全生命周期）
  │   ├── policy                  接入策略管理，包含 create|get|update|delete|list 等命令
  │   ├── storage                 查询接入策略绑定的 Prometheus 存储实例，包含 list 等命令
  │   ├── dashboard               查询接入策略关联的 Grafana 大盘，包含 list 等命令
  │   ├── resource                容器服务类别接入策略的资源列表查询，包含 list 等命令
  │   ├── job-target              接入策略的采集任务的 scrape targets 状态查询，包含 list 等命令
  │   ├── service-monitor         接入策略的Kubernetes ServiceMonitor 采集规则查询，包含 list 等命令
  │   ├── pod-monitor             接入策略的Kubernetes PodMonitor 采集规则查询，包含 list 等命令
  │   ├── custom-job              接入策略的自定义 Prometheus 采集 Job 查询，包含 list 等命令
  │   ├── addon-release           接入策略的已部署组件实例管理，包含 create|get|update|delete|list 等命令
  │   └── addon                   可用接入组件目录管理，包含 get|list 等命令
  ├── workspace                   工作空间管理，包含 create|get|list|update|delete 等命令
  │
  │               # APP应用管理域
  ├── prometheus                  Prometheus 服务管理（包含Prometheus实例、聚合视图、RecordingRule等）
  │   ├── instance                Prometheus 实例管理，包含 create|get|update|delete|list 等命令
  │   ├── view                    Prometheus 聚合视图管理，包含 create|get|update|delete|list 等命令
  │   └── recording-rule          RecordingRule 预聚合管理，包含 create|get|update|start|stop|delete|list 等命令
  ├── apm                         应用性能监控管理
  │   ├── service                 APM 应用服务管理，包含 create|get|update|delete|list 等命令
  │   └── configuration           APM 配置管理，包含 get|create 等命令
  ├── rum                         用户体验监控管理
  │   ├── service                 RUM 应用服务管理，包含 create|get|update|delete|list 等命令
  │   └── configuration           RUM 配置管理，包含 get|create 等命令
  │
  │               # 告警与事件域
  ├── alert                       告警中心管理（包含告警规则、告警模板、告警历史等）
  │   ├── rule                    告警规则管理，包含 create|get|update|patch|delete|list|enable|disable 等命令
  │   ├── template                告警规则模板管理，包含 list|get|create|update|delete|apply 等命令
  │   └── history                 告警触发与恢复的历史管理，包含 list 等命令
  ├── notification-channel        通知渠道管理
  │   ├── contact                 告警联系人（邮件、信息、钉钉）管理，包含 list 等命令
  │   ├── robot                   告警机器人（钉钉/飞书/企微群机器人）管理，包含 list 等命令
  │   └── webhook                 Webhook 回调地址管理，包含 list 等命令
  ├── event-hub                   事件中心管理， 包含 list|get 等命令
  │
  │               # 数据查询域
  ├── metric                      指标查询
  │   ├── promql                  PromQL 即时/范围查询及元数据检索，包含 query|query-range|labels|label-values|series 等命令
  │   └── basic                   云监控1.0指标查询，包含 points|latest|range|top|export 等命令
  ├── trace                       Trace数据查询，包含 search|tree 等命令
  ├── entity                      云资源与 EntityStore 查询，包含 query 等命令
  └── meta                        元数据查询，包含 metrics|namespaces|events 等命令

点击此处，了解云监控 2.0 全生命周期管理详情。