Edgedelta AI Agents Enhancement

Edge Delta人工智能代理增强

增加 20个新的MCP工具 到 EdgeDelta MCP服务器 用于AI团队代理管理、聊天和活动监控。

官方MCP服务器有22个可观察性数据工具（日志、指标、跟踪、管道、仪表板）。此增强功能通过对Edge Delta的完全编程访问进行了扩展 AI团队 系统——代理、聊天、频道——以前只能通过浏览器UI获得的一切。

______________________________________________________________________

这增加了什么

______________________________________________________________________

20种新工具

代理管理

聊天

渠道与活动

型号和连接器

______________________________________________________________________

运作原理

Edge Delta的人工智能团队继续运营 3个API域:

官方的MCP服务器只覆盖第一个。此增强功能涵盖了所有三个方面。

认证

聊天和代理API需要JWT（而不是API令牌）。得到一个：

1. POST api.edgedelta.com/auth/login         -> session cookies
2. GET  api.edgedelta.com/v1/cookie_service/get_jwt_from_cookie  -> JWT

客户端库会自动处理此问题：

auth = EdgeDeltaAuth(org_id, api_token)
jwt = auth.login(email, password)
client = AITeamClient(org_id, jwt)

______________________________________________________________________

快速开始

1.安装

git clone https://github.com/hlsitechio/edgedelta-ai-agents-enhancement.git
cd edgedelta-ai-agents-enhancement
pip install requests

2.配置

cp .env.example .env
# Edit .env with your Edge Delta credentials

3.验证

python3 ai_team_cli.py status

4.试试看

# List all agents
python3 ai_team_cli.py agents

# Chat with the SRE agent
python3 ai_team_cli.py chat sre -m "Give me a quick status summary"

# Create a custom agent
python3 ai_team_cli.py create-agent "My Agent" \
    --model claude-opus-4-5-20250414 \
    --system-prompt "You are a helpful observability assistant"

# Run the full test suite
python3 test_ai_team.py --env-file .env

______________________________________________________________________

创建代理：之前与之后

之前（浏览器UI）-15+步

1. 打开浏览器
2. 转到app.edgedelta.com
3. 登录
4. 等待加载
5. 点击AI团队
6. 点击队友
7. 单击“创建”
8. 键入代理名称
9. 类型描述
10. 从下拉列表中选择型号
11. 写入系统提示
12. 选择连接器
13. 设定温度
14. 设置优先级
15. 单击“创建”

然后聊天：导航到DM，键入消息，单击发送，等待。

创建5个代理=75+次点击。自动化=不可能。

（此增强功能）后-1次通话

agent = client.create_agent(
    name="Security Recon",
    description="Threat analysis using observability data",
    system_prompt="You are a security specialist...",
    model="claude-opus-4-5-20250414",
)
response = client.chat(agent["id"], "Scan for threats in the last 24h")

创建5个代理=一个循环。自动化=微不足道。

______________________________________________________________________

完整代理创建工作流

通过浏览器UI创建代理时，您需要完成以下步骤：

1. 名称和描述 --这个代理人是谁
2. 阿凡达 --选择或上传个人资料图片以个性化队友帐户
3. 模型 --选择法学硕士（克劳德、GPT、米斯特拉尔、拉玛）
4. 系统提示 --写代理人的指示
5. 选择连接器 --选择代理可以访问的工具集
6. 已配置连接器 --系统会自动将所选连接器中的所有MCP工具提供给代理
7. 温度和优先级 --调整行为

所有这些都通过API支持：

agent = client.create_agent(
    name="Security Recon",
    description="Threat analysis using observability data",
    avatar="https://example.com/avatar.png",       # profile picture
    model="claude-opus-4-5-20250414",               # LLM model
    system_prompt="You are a security specialist...", # instructions
    connectors=["edgedelta-mcp", "edgedelta-documentation"],  # tools
    temperature=0.1,                                 # creativity (0.0-1.0)
    priority=10,                                     # agent priority (1-10)
    role="Security Reconnaissance Specialist",       # role title
)

连接器：选择→ 已配置

连接器是工具集。当你创建一个代理时，你 选择连接器 --那么系统 自动配置 将所有MCP工具从这些连接器连接到代理。这与浏览器UI中的两步流程相同。

步骤1：选择连接器

15个MCP连接器 适用于AI代理：

加 31种连接器类型 用于数据摄取（文件、kafka、syslog、kubernetes、docker、S3、OTLP等）——总共46个。

自定义连接器

您可以通过以下方式创建自定义连接器 AI团队→ 连接器→ 添加连接器。有多种类型可供选择：

定制MCP连接器 (custom-mcp)--连接到任何远程MCP服务器：

文件连接器 --监控日志文件：

• 路径 --带通配符的完整路径（例如。 path/to/your/log/files/*.log)
• 文件排除 --要排除的模式（支持正则表达式）
• 目标环境 --部署到特定环境

预构建连接器 --GitHub、Slack、PagerDuty、Sentry等都有自己的配置流程。

创建后，连接器将出现在连接器列表中，可以分配给任何代理。

连接器API

# List connector specs (all 46 types with config schemas)
GET /v1/orgs/{org_id}/ai/connectors/specs

# List configured connectors
GET /v1/orgs/{org_id}/ai/connectors

# List available environments
GET /v1/orgs/{org_id}/ai/connectors/environments

# Default: both connectors (recommended)
connectors=["edgedelta-mcp", "edgedelta-documentation"]

# MCP tools only (no docs search)
connectors=["edgedelta-mcp"]

# List all available connectors in your org
available = client.list_connectors(api_token="your-token")

步骤2：配置连接器

创建代理后，连接器将自动配置。每个连接器都将其工具提供给代理 toolConfigurations 阵列。您可以验证配置的内容：

tools = client.get_agent_tools(agent["id"])
print(f"{len(tools)} tools configured:")
for t in tools:
    print(f"  {t['toolName']:

______________________________________________________________________

文件

______________________________________________________________________

代理模板

6个预构建的代理已准备好部署：

from agent_prompts import create_agent_from_template
agent = create_agent_from_template(client, "security-recon")

______________________________________________________________________

内置代理

Edge Delta配备了13名代理：

______________________________________________________________________

书写系统提示

系统提示(masterPrompt)是代理人最重要的部分。它定义了代理的行为、思考方式以及使用的工具。

提示结构

一个好的Edge Delta代理提示有4个部分：

1. Identity      - Who you are and what platform you're on
2. Capabilities  - What you can do with Edge Delta's tools
3. Approach      - Step-by-step methodology
4. Output Format - How to structure responses

示例

agent = client.create_agent(
    name="Log Analyst",
    description="Deep log analysis and pattern detection",
    system_prompt="""You are a Log Analysis Expert on the Edge Delta observability platform.

## Capabilities
- Search logs using Edge Delta's log search
- Identify error patterns and root causes
- Detect anomalous log volumes
- Correlate events across services

## Approach
1. Start with broad log searches to understand the data
2. Narrow down using patterns, time ranges, filters
3. Use log pattern analysis to group similar events
4. Identify root causes by tracing event chains

## Output Format
- **Summary**: What was found
- **Patterns**: Specific patterns identified
- **Root Cause**: Most likely cause with evidence
- **Recommendations**: Next steps
""",
    model="claude-opus-4-5-20250414",
    temperature=0.1,
)

看 agent_prompts.py 对于6个完整的、准备部署的提示模板。

______________________________________________________________________

选择模型

Edge Delta支持多个LLM提供商。根据您的用例进行选择：

Edge Delta支持 25+型号 跨3个提供商：

# List all available models in your org
models = client.list_models(api_token="your-api-token")

经验法则：

• 安全分析、事件响应 → 克劳德作品4.5/4.6（最佳推理）
• 分类、路由、快速回答 → GPT-5.2或Gemini 3闪光灯（快速）
• 代码生成 → GPT-5食品法典委员会或GPT-5.1食品法典委员会
• 对成本敏感的批量操作 → 克劳德·海库3.5，GPT-4o迷你，GPT-5迷你/纳米，双子座闪存
• 温度：保持 0.1 为了进行事实分析，请使用 0.2-0.3 用于创造性任务

______________________________________________________________________

定期/计划任务

可以使用cron、CI/CD或任何任务调度程序按计划触发代理。由于一切都是API调用，因此自动化非常简单。

Cron示例

# Every hour: ask the SRE agent for a health check
0 * * * * cd /path/to/repo && python3 -c "
from ai_team_client import AITeamClient
client = AITeamClient('YOUR_ORG_ID', 'YOUR_JWT')
print(client.chat('sre', 'Give me a quick health check of all systems'))
" >> /var/log/ed-health.log 2>&1

每日安全扫描

#!/usr/bin/env python3
"""Daily security scan - run via cron at 6 AM."""
from ai_team_client import AITeamClient

client = AITeamClient("YOUR_ORG_ID", "YOUR_JWT")

# Ask security agent to scan last 24 hours
response = client.chat(
    "security-engineer",
    "Scan all logs from the last 24 hours for security threats, "
    "suspicious IPs, failed auth attempts, and anomalies. "
    "Provide a severity-ranked summary."
)
print(response)

CI/CD集成

# GitHub Actions - post-deploy verification
- name: Verify deployment
  run: |
    pip install requests
    python3 -c "
    from ai_team_client import AITeamClient
    client = AITeamClient('${{ secrets.ED_ORG_ID }}', '${{ secrets.ED_JWT }}')
    result = client.chat('sre', 'Check if the latest deployment caused any errors in the last 15 minutes')
    print(result)
    "

批量操作

# Create 5 specialized agents in a loop
templates = ["security-recon", "log-analyst", "metrics-monitor",
             "incident-responder", "cost-optimizer"]

from agent_prompts import create_agent_from_template
for name in templates:
    agent = create_agent_from_template(client, name)
    print(f"Created: {agent['name']} ({agent['id']})")

注： JWT将在约10小时后过期。对于长时间运行的计划任务，包括在进行API调用之前刷新JWT的登录步骤。

______________________________________________________________________

我们如何找到API

AI团队API没有公开记录。我们通过使用浏览器开发工具检查Edge Delta web应用程序的网络流量来发现它们：

1. 开放边缘三角洲 在Chrome浏览器中，按 F12 > 网络选项卡
2. 导航到AI团队 -查看请求 chat.ai.edgedelta.com 和 agent.ai.edgedelta.com
3. 登录 -查看身份验证流程： POST /auth/login ->饼干-> GET /cookie_service/get_jwt_from_cookie ->JWT
4. 发送消息 -请参阅线程创建： POST /channels/{id}/threads 随着 {"clientTempId":"...","title":"message"}
5. 创建队友 -请参阅代理创建： POST /agents 具有完整的配置有效负载

任何拥有Edge Delta帐户的人都可以在5分钟内验证这一点。

______________________________________________________________________

如何验证

# Run the automated test suite - creates agent, chats, verifies, cleans up
python3 test_ai_team.py --org-id  --email  --password 

或者手动使用curl：

# Get JWT
curl -s -c cookies.txt -X POST https://api.edgedelta.com/auth/login \
  -H "Content-Type: application/json" \
  -d '{"username":"you@example.com","password":"yourpass"}'

JWT=$(curl -s -b cookies.txt https://api.edgedelta.com/v1/cookie_service/get_jwt_from_cookie | python3 -c "import sys,json; print(json.load(sys.stdin)['bearer_token'])")

# List agents
curl -s https://agent.ai.edgedelta.com/v1/orgs/YOUR_ORG_ID/agents \
  -H "Authorization: Bearer $JWT" | python3 -m json.tool

______________________________________________________________________

与EdgeDelta MCP服务器集成

官方的 edgedelta mcp服务器 是用Go写的。要集成这些工具：

1. 端口 ai_team_client.py 去（匹配他们 pkg/tools/ 图案）
2. 将JWT身份验证与现有API令牌身份验证一起添加
3. 在中注册新工具 server/server.go 通过 AddCustomTools()
4. 添加 chat.ai.edgedelta.com 和 agent.ai.edgedelta.com 作为API的目标

中的工具定义 ai_team_mcp_tools.py 提供Go实现的确切模式。

______________________________________________________________________

已知限制

• JWT到期 大约10小时后-需要刷新长时间运行的流程
• 轮询，而非流媒体 -响应通过HTTP轮询（UI使用WebSockets）
• 费率限制 -无文件记录，避免激进的民意调查
• 需要前往端口 -官方服务器是Go，这个参考实现是Python

______________________________________________________________________

许可证

麻省理工学院