HPE ZertoがAmazon Bedrockで構築したエージェント型トラブルシューティングシステムの技術深掘り
エージェント型トラブルシューティングシステムの概要とアーキテクチャ
HPE Zertoは、ハイブリッドおよびマルチクラウド環境におけるデータ保護と災害復旧の複雑化に対応するため、Amazon Bedrockを活用したエージェント型トラブルシューティングシステムを構築しました。このシステムは、運用の健全性を評価し、問題の調査を迅速化し、迅速な対策を講じることを目的としています。特に、アラートの解釈、障害の調査、復旧イベントへの準備といった、これまで手動で行われていた多大な労力を要する作業を効率化します。
システムはオンプレミス環境のZerto製品内にポッドとしてデプロイされ、日々の運用で使用する既存のUIから直接アクセス可能です。これにより、運用シグナル、環境コンテキスト、製品ナレッジへのセキュアなアクセスが保証されます。ユーザーは自然言語でシステムと対話し、システムは環境のライブ状態に基づいた文脈的かつ実用的な回答を推論、実行、応答するよう設計されています。 このアーキテクチャは、データが複数の製品アラート、イベント、ドキュメントに分散しているという課題を解決し、手動でのコンテキスト収集にかかる時間を削減します。
Amazon Bedrockを活用した技術的基盤とコンポーネント
HPE ZertoがAmazon Bedrockを選択した主な理由は、セキュアなエンタープライズデプロイメント、モデルの柔軟性、および運用管理の容易さにあります。 このエージェント型システムは、主に以下のAmazon Bedrockの機能とZerto独自のコンポーネントを組み合わせて構築されています。
-
Amazon Bedrock Agents (エージェント機能): この機能は、LLMを推論エンジンとして活用し、一連のタスクを計画・実行し、問題解決のためのアクションを自律的にシーケンスすることを可能にします。エージェントはユーザーの入力に基づいて適切なツールを特定し、その結果を解釈して次のステップを決定します。
-
Amazon Bedrock Knowledge Bases (RAG機能): 信頼できる製品ドキュメント、ランブック、運用ナレッジからの情報検索に利用されます。これはRetrieval Augmented Generation (RAG) ワークフロー全体を実装するフルマネージドサービスであり、ドキュメントの取り込み、テキストブロックへのチャンク化、埋め込みへの変換、ベクトルデータベースへの保存を内部的に処理します。 エージェントはユーザー入力に基づいて適切なナレッジベースを識別し、関連情報を取得してプロンプトを補強することで、より正確で根拠に基づいた応答を生成します。
-
Zerto内部ツール連携 (MCPサーバー): システムは、Zerto Virtual Manager (ZVM) APIを公開するローカルのModel Context Protocol (MCP) サーバーを通じて、ライブ環境データへの構造化されたアクセスを実現します。 これにより、エージェントはZVM関連の問題（サービスクラッシュ、ネットワーク問題、アップグレード障害など）をトラブルシューティングするZVMエージェントや、Zerto Replication Engine (VRA) 関連の問題（レプリケーション問題、遅延、サイト間ネットワークなど）をトラブルシューティングするVRAエージェントといった、特定のドメイン知識とログパターンを持つ専用のエージェントを通じて、環境データを分析し、徹底的な分析を提供します。
-
セッション履歴: 過去のチャット会話とコンテキストはローカルに保存され、マルチターン会話をサポートし、より継続的で文脈を理解したやり取りを可能にします。
このアーキテクチャにより、エージェントは静的なドキュメント情報と動的な運用データの両方を活用し、問題の根本原因を特定し、迅速な解決策を提案することができます。
導入効果と運用の最適化
HPE Zertoのエージェント型システムは、導入後わずか数ヶ月で顕著なビジネス成果をもたらしています。2026年第2四半期のリリース以来、HPE Zertoの顧客の20%以上がこのエージェントシステムを採用し、積極的に利用しています。 これは、AI支援による災害復旧オペレーションに対する強い需要があることを示しています。
本番環境での利用において、エージェントシステムがサポートするワークフローでは、サポートケースの件数が10%削減されたことが確認されています。 これにより、ユーザーは製品内でより一般的な運用上の問題を、ガイド付きのセルフサービスを通じて直接調査し、解決できるようになりました。 このシステムは、ライブ環境データと信頼できる製品ドキュメントに基づいて応答を生成することで、運用上の質問に答え、問題を調査し、可能性のある根本原因を特定し、対策が必要なリスクを優先順位付けするのに役立ちます。 結果として、運用効率が向上し、復旧準備体制が強化されています。
開発者・エンジニア視点での考察
-
オンプレミスデータとクラウドAIのセキュアな連携モデルの重要性: HPE Zertoはオンプレミス環境にシステムをデプロイし、MCPサーバーを通じてZVM APIと連携することで、機密性の高い運用データにセキュアにアクセスしています。これは、エンタープライズの既存インフラとクラウドAIサービスを統合する際のベストプラクティスを示しており、データ主権とセキュリティを維持しつつAIの恩恵を享受するための強固なモデルとなります。開発者は、ローカルデータへのセキュアなアクセスレイヤーと、クラウドベースのLLMを橋渡しするプロトコル（MCPのような）の設計に注力することで、エンタープライズAIソリューションの適用範囲を大幅に拡大できるでしょう。
-
ドメイン特化型エージェントの設計とツール統合のパターン: ZVMエージェントやVRAエージェントのように、特定のコンポーネントや問題領域に特化したエージェントと、それらが利用するツール（MCPサーバーを介したZVM API、Bedrock Knowledge Bases）を明確に定義するアプローチは、複雑なトラブルシューティングドメインにおけるエージェントシステムの有効性を高めます。これにより、各エージェントは専門知識と適切なアクションセットを持ち、問題解決の精度と効率が向上します。開発者は、広範な問題解決を目指す汎用エージェントよりも、特定のユースケースに最適化された複数の専門エージェントを協調させる「マルチエージェントシステム」の設計パターンを検討すべきです。
-
RAGと内部APIを組み合わせた文脈理解の深化: Amazon Bedrock Knowledge Basesによる製品ドキュメントからの情報検索（RAG）と、MCPサーバー経由でのライブ運用データ（ZVM API）の取得を組み合わせることで、エージェントは静的な知識と動的な環境状態の両方に基づいて推論を行うことができます。これは、単一の情報源に依存するよりもはるかにリッチで正確な文脈理解を可能にし、トラブルシューティングの「なぜ」と「どのように」を深く掘り下げる上で極めて重要です。RAGの導入を検討する開発者は、公開ドキュメントだけでなく、企業内のリアルタイムAPIやデータベースへの接続をAIエージェントのツールとして設計することで、LLMの推論能力を最大限に引き出すことができるでしょう。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
