Cosa è Kagent

Cosa è Kagent: quando gli agenti di intelligenza artificiale incontrano Kubernetes

Immaginate questo: sono le 2:00 del mattino, il database di produzione è inattivo e siete sommersi da molteplici hop di connessione, cercando di capire cosa non funziona in penombra, senza svegliare il bambino. Saltate freneticamente tra comandi kubectl, dashboard di Prometheus e configurazioni di Istio, cercando di ricostruire cosa è andato storto. Vi suona familiare? Se avete passato del tempo a gestire infrastrutture cloud native come me, vi sarà capitato almeno una volta: quella in cui vi trovate a fare i detective su una dozzina di sistemi interconnessi, mentre il tempo scorre e il vostro SLA si esaurisce.

Questo scenario illustra perfettamente ciò che era stato previsto in “The Age of AgentOps”. Ci stiamo muovendo verso agenti autonomi che funzionano come sistemi biologici: sistemi auto-riparanti e autosufficienti che non ti costringono a vagare nel buio alle 2 del mattino.

Kagent , il primo framework di intelligenza artificiale agentica open source per Kubernetes che sta trasformando questa visione in realtà. Invece di dover cercare manualmente i problemi nel tuo stack cloud-native, ora sono gli agenti autonomi a occuparsi del lavoro investigativo, ragionando su problemi complessi e articolati in più fasi e intervenendo senza l’intervento umano. Non si tratta solo di automazione potenziata: è il prossimo passo evolutivo nel modo in cui gestiamo l’infrastruttura. E ha il potenziale per fare molto di più.

Il problema delle operazioni cloud-native

L’ecosistema cloud-native è diventato una bestia meravigliosa e complessa. Abbiamo Kubernetes che orchestra i container, Istio che gestisce il traffico del service mesh, Prometheus che raccoglie le metriche, Argo che gestisce i deployment e decine di altri progetti CNCF che lavorano tutti su un livello dello stack. Ognuno di essi risolve problemi importanti, senza dubbio, ma ne ha creato uno nuovo: la complessità operativa che scala esponenzialmente con ogni componente aggiunto. Quello che prima era un semplice “systemctl restart” ora richiede di comprendere come l’applicazione interagisce su più livelli di astrazione, ognuno con il proprio linguaggio di configurazione, strumenti di debug e modalità di errore.

L’automazione tradizionale è carente perché è deterministica: esegue script predefiniti in base a condizioni note. Ma i problemi cloud-native raramente sono così semplici. Quando le prestazioni di un’applicazione peggiorano, si tratta di un problema di rete tra i servizi? Di un gateway non configurato correttamente? Di un conflitto di risorse? Di un errore a cascata da una dipendenza a tre hop di distanza? Serve qualcosa che possa analizzare questi scenari, formulare ipotesi, testarle e adattare il proprio approccio in base a ciò che scopre. Serve il tipo di risoluzione dei problemi in più fasi che fino ad ora richiedeva un esperto umano che comprendesse le complesse relazioni tra tutti questi elementi in movimento.

Cosa rende Kagent diverso

Molti strumenti di intelligenza artificiale nell’ambito DevOps sono chatbot glorificati: rispondono a domande su Kubernetes YAML o spiegano concetti, ma in realtà non possono fare nulla. Kagent rappresenta un cambiamento radicale verso l’intelligenza artificiale agentica: sistemi che utilizzano ragionamento avanzato e pianificazione iterativa per risolvere autonomamente problemi complessi e articolati in più fasi. Invece di limitarsi a dire cosa potrebbe non funzionare, gli agenti Kagent possono indagare, formulare ipotesi, testare soluzioni e persino implementare correzioni. È la differenza tra avere un consulente esperto e avere uno specialista che sa davvero sporcarsi le mani.

Di nuovo, questo si allinea perfettamente con il modello di organismo biologico che ho descritto in “The Age of AgentOps”. Proprio come il sistema immunitario è composto da cellule specializzate che gestiscono diverse minacce – alcune identificano i problemi, altre coordinano le risposte, altre ancora eseguono azioni mirate – kagent consente di implementare agenti specializzati che lavorano insieme come un sistema coeso. Un agente di monitoraggio potrebbe rilevare un’anomalia, un agente diagnostico indaga la causa principale e un agente di bonifica implementa la correzione, il tutto mentre un agente di coordinamento garantisce che lavorino per lo stesso obiettivo senza pestarsi i piedi a vicenda.

L’architettura a tre strati

L’architettura di Kagent ricorda una squadra di meccanici ben oliata: ogni livello ha un compito specifico, ma collaborano perfettamente per rimetterti in carreggiata rapidamente. Alla base ci sono gli Strumenti, che sono essenzialmente le chiavi inglesi e le apparecchiature diagnostiche che i tuoi agenti utilizzano per interagire con la tua infrastruttura. Non si tratta di semplici chiamate API: sono funzioni sofisticate in stile MCP in grado di visualizzare i log dei pod, interrogare le metriche di Prometheus, generare risorse Kubernetes o interagire con qualsiasi sistema cloud-native tu metta a loro disposizione. Pensali come strumenti specializzati che ogni agente può selezionare e utilizzare, un po’ come un chirurgo che dispone di strumenti diversi per procedure diverse.

Il livello degli agenti è il principale: si tratta dei sistemi autonomi che analizzano i problemi e intervengono. A differenza dell’automazione tradizionale che segue una rigida logica “se-allora”, questi agenti possono pianificare operazioni in più fasi, eseguirle, analizzarne i risultati e adattare il proprio approccio in base a ciò che apprendono. È come avere un team di specialisti che possono lavorare in modo indipendente o collaborare su problemi complessi. Un agente potrebbe concentrarsi sulla diagnostica di rete mentre un altro si occupa dell’ottimizzazione delle risorse, ma possono anche collaborare quando un problema interessa più domini.

Il livello Framework collega tutto con un’interfaccia dichiarativa basata sulla piattaforma AutoGen di Microsoft. Questo è il tuo centro di controllo, dove puoi definire agenti, assegnare loro strumenti e orchestrarne le attività tramite configurazioni UI, CLI o YAML. Il bello sta nella sua estensibilità: non sei vincolato a un sistema rigido. Puoi creare strumenti personalizzati per il tuo ambiente specifico, sviluppare nuovi agenti basati sulle tue competenze operative o persino estendere il framework stesso. È come avere una piattaforma che cresce con le tue esigenze, anziché limitarle.

Applicazioni nel mondo reale

Come si traduce in pratica? Kagent viene fornito con agenti in grado di affrontare i problemi più comuni che ogni team DevOps affronta quotidianamente. Hai bisogno di risolvere il problema del routing non corretto del traffico nel tuo gateway? Esiste un agente in grado di esaminare le configurazioni HTTPRoute, controllare gli endpoint dei servizi e tracciare i percorsi di connessione attraverso la tua service mesh. Vuoi eseguire un rollout progressivo con Argo senza doverlo sorvegliare? Un agente può monitorare le metriche canary, promuovere o ripristinare automaticamente in base alle soglie di prestazioni e gestire l’intero ciclo di vita del deployment. Quando Prometheus inizia a generare avvisi relativi a un consumo anomalo di risorse, un agente può correlare tali metriche con i deployment recenti, identificare la causa principale e persino suggerire soluzioni, il tutto senza che tu debba immergerti nelle query PromQL a orari assurdi.

L’impatto aziendale va ben oltre la semplice risoluzione più rapida dei singoli problemi. Kagent ti consente di codificare le competenze operative del tuo team in agenti riutilizzabili che possono essere condivisi in tutta l’organizzazione. Quel tecnico senior che sa sempre esattamente come risolvere i problemi di Istio? Le sue conoscenze possono ora essere acquisite in un agente che i membri junior del team possono sfruttare. Invece di richiedere un intervento specialistico per ogni incidente, i tuoi agenti gestiscono le attività di routine mentre i tuoi collaboratori si concentrano sui problemi più complessi che richiedono creatività e pensiero strategico. È come avere i tuoi migliori risolutori di problemi disponibili 24 ore su 24, 7 giorni su 7, ma senza il burnout e la stanchezza da cercapersone.

Il contributo e la comunità del CNCF

La decisione di Solo.io di contribuire con kagent al CNCF come progetto sandbox – recentemente accettata – rappresenta molto più di una semplice dimostrazione di cittadinanza open source. È una mossa strategica che riconosce il potenziale di kagent per diventare un’infrastruttura fondamentale per l’intero ecosistema cloud-native. Con una governance indipendente dal fornitore, il progetto può evolversi in base alle esigenze della community piuttosto che alla roadmap di una singola azienda. Questo è importante perché l’intelligenza artificiale agentica per Kubernetes si è evoluta dalla visione di Solo.io a un requisito fondamentale per gestire la complessità che deriva dall’adozione del cloud-native su larga scala.

È incredibile: la risposta della community è stata a dir poco impressionante. Nel giro di poche settimane dall’annuncio iniziale, kagent ha accumulato oltre 817 stelle su GitHub, ha attirato oltre 400 membri sul suo canale Discord e ha integrato numerose richieste di pull da parte dei collaboratori. Questo è il tipo di crescita organica che si vede quando un progetto raggiunge un vero punto critico. La roadmap futura si concentra sugli elementi essenziali per i sistemi agentici pronti per la produzione: osservabilità migliorata, feedback e framework di test robusti per gestire la natura non deterministica degli agenti di intelligenza artificiale e funzionalità di runtime espanse, tra cui il coordinamento multi-agente e il supporto per ulteriori provider LLM. È chiaro che la community comprende che kagent rappresenta la base per un nuovo modo di gestire le infrastrutture cloud-native, oltre al suo potenziale per molti altri casi d’uso.

Perché questo è importante per il futuro

Kagent rappresenta esattamente il futuro che ho delineato in “The Age of AgentOps”, andando ben oltre un altro strumento interessante nella cassetta degli attrezzi DevOps. Stiamo assistendo alla transizione da operazioni infrastrutturali reattive a sistemi veramente autonomi in grado di anticipare, diagnosticare e risolvere i problemi senza l’intervento umano. Proprio come avevo previsto, stiamo abbandonando il modello “dalle pecore ai pastori”, in cui gli ingegneri DevOps smettono di gestire singoli server e iniziano a orchestrare flotte di agenti intelligenti. Kagent è la prova che stiamo già varcando la soglia, dall’automazione all’autonomia, dagli script deterministici ai sistemi di ragionamento in grado di gestire situazioni inedite.

Rappresenta il prossimo passo evolutivo oltre l’Infrastruttura come Codice. L’IaC ci permette di dichiarare lo stato desiderato e di far sì che i sistemi si conformino a esso, ma Kagent va oltre: ci fornisce agenzie in grado di ragionare su quello stato, capire quando qualcosa non va e intraprendere azioni correttive senza attendere indicazioni umane. Stiamo passando da “un’infrastruttura che fa ciò che le diciamo” ad “agenzie che capiscono cosa vogliamo ottenere”. Questo passaggio dalla lotta reattiva alla risoluzione proattiva dei problemi è esattamente il tipo di trasformazione che distingue le organizzazioni che prosperano da quelle che semplicemente sopravvivono nell’era del cloud nativo.

Che cos’è kagent?

kagent è un framework open‑source (CNCF sandbox), sviluppato da Solo.io, che porta il concetto di Agentic AI all’interno di ambienti cloud-native, in particolare Kubernetes. Invece di un semplice chatbot, un agent di kagent è un’entità che può:

1. Comprendere comandi in linguaggio naturale.
2. Pianificare una sequenza di azioni.
3. Eseguire direttamente su Kubernetes strumenti operativi come kubectl, Prometheus, Helm, Istio.
4. Ottimizzare e correggere autonomamente eventuali errori.

Un esempio concreto? Chiedi all’agent: “Trova i pod in crash nel namespace X e riavviali”, e lui autonomamente analizzerà i pod, identificherà quelli in errore e li ricreerà o scalerà, tutto tramite i tool integrati.

Architettura di base

kagent ha quattro componenti principali:

• Controller Kubernetes (CRDs): definisce agenti (Agent), tool (ToolServer) e provider LLM.
• Engine (Python): esegue il ciclo LLM + tool, basato su AutoGen.
• CLI e Dashboard Web: gestiscono agenti, tool e conversazioni.
• Tool Servers: integrano strumenti (prometheus, kubectl, …) come MCP tools.

Primi passi: installazione embrionale

1. Installare kagent

Usando CLI:

export OPENAI_API_KEY="TUO_OPENAI_KEY"
curl https://raw.githubusercontent.com/kagent-dev/kagent/main/scripts/get-kagent | bash
kagent install

2. Verifica con dashboard

kagent dashboard

Apri http://localhost:3000 per accedere alla UI

Primo agent k8s

Crea un agent denominato k8sagent via dashboard:

• Descrizione: “Un agent che aiuta a interrogare Kubernetes”
• Istruzioni (system prompt):

Sei un agent Kubernetes. Usa i tool per rispondere in modo chiaro.

Aggiungi strumenti:

• GetResources
• GetAvailableAPIResources

Questi tool permettono all’agente di eseguire comandi come kubectl get pods .

Esempio in chat

All’interno del dashboard, scrivi:

“Mostrami i pod attivi nel namespace default”

L’agent richiama GetResources, recupera i pod e li mostra.
Esempio di output formattato in Markdown:

- pod/frontend-5f5d6b: Running
- pod/backend-7d8f9c: Running

Primo codice YAML per Agent

Puoi definire agent via CRD:

apiVersion: kagent.dev/v1alpha1
kind: Agent
metadata:
  name: k8sagent
spec:
  description: "Automazione operativa su Kubernetes"
  instructions: |
    Sei un agent Kubernetes che usa tool integrati per operazioni.
  llm:
    provider: openai
    model: gpt-4o
  tools:
    - name: GetResources
    - name: GetAvailableAPIResources

Applica con:

kubectl apply -f k8sagent.yaml

Estendere con MCP Tools esterni

kagent supporta il Model Context Protocol (MCP): puoi integrare server esterni (es. vector DB, Prometheus). Annotando un servizio con kagent.dev/tool.type: "openapi" o "mcp", l’engine lo scoprirà automaticamente.

Esempio pratico: interrogare Prometheus

1. Fai deploy di un MCP ToolServer per Prometheus.
2. Aggiungilo al tuo agent come tool.
3. In chat chiedi:

“Quanti errori 5xx ho avuto negli ultimi 5 minuti?”

L’agente invocherà la query su Prometheus, analizzerà il risultato e ti risponderà.

Perché usare kagent?

• Automazione di routine: elimina comandi manuali ripetitivi.
• Diagnosi rapida: chain di strumenti basata su LLM + tool.
• Scalabilità: ext. tramite nuovi tool (helm, argo…).
• Observability: tutto è tracciato via OpenTelemetry

Prossimi passi suggeriti

1. Implementa un agent di troubleshooting: aggiungi tool DescribePod, GetPodLogs, ecc.
2. Aggiungi memoria: conserva informazioni su stato dei cluster.
3. Debug e tracing: sfrutta la UI per tracciare il flusso agent + tool.

Conclusione

In pochi minuti hai:

• Installato kagent nel cluster.
• Definito il tuo primo agent per Kubernetes.
• Provato interazioni con tool di base.
• Preparato un terreno per estensioni complesse (Prometheus, Helm…).

Se lavori come DevOps o ingegnere cloud-native, kagent apre la strada verso automazione intelligente, trasformando flussi operativi in vere pipeline autonome.

(fonte) (fonte) (fonte) (fonte)

Innovaformazione, scuola informatica specialistica segue costantemente il mercato IT e promuove l’utilizzo consapevole di strumenti AI e metodologie DevOps. Nell’offerta formativa trovate il Corso Kubernetes fundamental ed il Corso Agenti AI ed MCP .

INFO: info@innovaformazione.net – tel. 3471012275 (Dario Carrassi)