Cognition-Partner-Workshops/app_eventflow-devin-integration
GitHub: Cognition-Partner-Workshops/app_eventflow-devin-integration
将Azure Monitor告警与Devin AI智能体集成，实现从故障检测、根因分析到自动生成修复PR的端到端自动化事件响应流程。
Stars: 0 | Forks: 0
# EventFlow Devin 集成
这是 EventFlow 演示的 AI 驱动事件响应层。它将 Azure Monitor 警报连接到 Devin API，以实现自动化的根因分析和修复生成。
## 架构角色
```
Azure Monitor Alert
↓
┌───────────────────┐
│ Azure Function │ ← alert-function/
│ (webhook handler) │
└────────┬──────────┘
↓
┌───────────────────┐
│ Devin API │ Creates a session with context about all EventFlow repos
│ /v1/sessions │
└────────┬──────────┘
↓
┌───────────────────┐
│ Devin Agent │ Uses MCP to query Azure Log Analytics
│ (investigation) │
└────────┬──────────┘
↓
┌───────────────────┐
│ Pull Request │ Fix PR on app_eventflow-payment-service
│ (auto-generated) │
└───────────────────┘
```
## 组件
### Alert Function (`alert-function/`)
一个 Azure Function（Python，消费计划），它：
- 接收来自 Azure Monitor 警报规则的 webhook 负载
- 解析 Common Alert Schema 以提取错误详情
- 调用 Devin API 创建新的调查会话
- 传递结构化上下文：受影响的服务、错误日志、repo URLs
### MCP Server (`mcp-server/`)
一个 Model Context Protocol 服务器，赋予 Devin 访问权限：
- **Azure Log Analytics** — 查询应用程序日志、异常、追踪
- **Azure Monitor Metrics** — 查询错误率、响应时间、可用性
- 提供工具：`query_logs`, `get_exceptions`, `get_metrics`, `get_traces`
### Shared Schemas (`schemas/`)
流经系统的事件的 JSON schemas：
- `order_created.json` — Order Service 发布的事件
- `payment_processed.json` — Payment Service 发布的事件
- `alert_payload.json` — 来自 Azure Monitor 的 Common Alert Schema
### Demo Runbook (`docs/`)
运行完整演示叙述的分步说明。
## 设置
### 前置条件
- Python 3.11+
- Azure Functions Core Tools v4
- 一个 Devin API key（来自 https://app.devin.ai/settings）
### Alert Function
```
cd alert-function
pip install -r requirements.txt
# 本地测试
func start
# 部署到 Azure
func azure functionapp publish
```
### MCP Server
```
cd mcp-server
pip install -r requirements.txt
# 本地运行
python server.py
```
## 环境变量
### Alert Function
| Variable | Description |
|---|---|
| `DEVIN_API_KEY` | Devin API authentication token |
| `DEVIN_API_URL` | Devin API base URL (default: `https://api.devin.ai/v1`) |
| `GITHUB_ORG` | GitHub org name (default: `Cognition-Partner-Workshops`) |
| `REPOS` | Comma-separated repo names for Devin context |
### MCP Server
| Variable | Description |
|---|---|
| `AZURE_LOG_ANALYTICS_WORKSPACE_ID` | Log Analytics workspace customer ID |
| `AZURE_TENANT_ID` | Azure AD tenant ID |
| `AZURE_CLIENT_ID` | Service principal client ID |
| `AZURE_CLIENT_SECRET` | Service principal secret |
## Demo Flow
1. **Trigger**: 向 Order Service 提交 JPY 订单
2. **Crash**: Payment Service 抛出 ValueError（零小数货币 bug）
3. **Detect**: Application Insights 捕获异常，警报规则触发
4. **Invoke**: Azure Function 接收警报 webhook，调用 Devin API
5. **Investigate**: Devin 通过 MCP 连接到 Log Analytics，读取异常详情
6. **Fix**: Devin 在 `app_eventflow-payment-service` 上开启包含货币修复和测试的 PR
7. **Deploy**: CI 通过，CD 部署修复后的 Payment Service
8. **Verify**: 相同的 JPY 订单现在成功处理
标签：AIOps, AI 编程, API集成, Azure, Azure Function, Azure Log Analytics, Azure Monitor, Cloud Native, Devin, MCP, Model Context Protocol, Python, Runbook, Serverless, Webhook, 力导向图, 可观测性, 告警处理, 安全编排与自动化, 微服务监控, 拉取请求, 无后门, 根因分析, 模块化设计, 自动化修复, 自动化运维, 逆向工具