最近看到一个运维AI Agent，在钉钉里直接聊两句就让AI把告警查了、找到问题在哪、甚至直接修了，比开跳板机、翻监控面板、查日志系统那套流程省事多了。

看描述的话，这东西我还是挺感兴趣的，类似这种生产力工具，必须研究一波！

Ongrid是什么

Ongrid是一个运维AI Agent，它知道你的服务器上跑了什么，找到问题在哪，还能直接修复。支持Slack、Telegram、飞书、钉钉、企业微信，这几个平台都能接。

它内置了完整的可观测栈：Prometheus、Loki、Tempo、Grafana。Agent自己写查询语句，自己分析指标、日志、链路，我们不用在多个系统之间跳来跳去。

支持的模型非常多：Anthropic、OpenAI、GLM、DeepSeek、Gemini、Kimi，想接哪个接哪个，不用重启。

功能详情

先来个总览：

两层 Agent 分工

Ongrid用了两层Agent，Coordinator负责派活，SRE、网络、DB这些子Agent各管一摊。告警来了，Coordinator判断该找谁，直接扔给对应的专家Agent。

不会让一个Agent啥都干，这样干不明白，而且也会污染上下文。

自动追踪告警问题

告警触发后，Investigator自动启动一个RCA Worker。它自己走拓扑、关联指标和日志、追踪链路，最后把问题在哪和证据扔回聊天窗口，我们早上醒来，直接看结论就行。

RCA深度定位

Ongrid做 RCA 不会只给个大概，它沿着拓扑一层层查，把指标、日志、链路串起来，最后把问题钉到具体的源码行，这比我们手动翻日志快多了。

Edge主动连出去，主机不用开端口

传统方案要在主机上开22、80、443，Ongrid的 Edge Agent 主动向外连接，主机不需要开任何入站端口，安全性比较高。

浏览器里直接开Shell

它通过反向隧道打开交互式Shell，我们在浏览器里直接操作，不需要SSH Key，不需要跳板机，每次操作都带审计日志。

一条命令起全套

install.sh把整套栈拉起来，Prometheus、Loki、Tempo、Grafana自动部署，Agent自动写查询，这样我们不用自己一个个配。

只读巡检工具箱

Bash沙箱加26个以上巡检工具，Agent调用这些工具查问题，每次调用都留审计记录。而且它只读，不乱改。

快速开始

Ongrid支持Ubuntu 22.04+、Debian 12+、RHEL/Rocky 9，AMD64和ARM64都有包。

下载对应架构的release，解压，运行install.sh。

AMD64：

wget https://github.com/ongridio/ongrid/releases/download/v0.9.0/ongrid-v0.9.0-linux-amd64.tar.xztar -xf ongrid-v0.9.0-linux-amd64.tar.xz && cd ongrid-v0.9.0-linux-amd64sudo ./install.sh

ARM64：

wget https://github.com/ongridio/ongrid/releases/download/v0.9.0/ongrid-v0.9.0-linux-arm64.tar.xztar -xf ongrid-v0.9.0-linux-arm64.tar.xz && cd ongrid-v0.9.0-linux-arm64sudo ./install.sh

国内用户如果GitHub慢，用CDN镜像：

# AMD64wget https://ongrid.cloud/dl/ongrid-v0.9.0-linux-amd64.tar.xz# ARM64wget https://ongrid.cloud/dl/ongrid-v0.9.0-linux-arm64.tar.xz

装完之后，接Slack或者钉钉，配一个模型API Key，就能开始用了。

界面一览

根因分析

从告警或运维问题出发，汇总拓扑、设备、指标、日志和变更上下文，形成带证据的根因分析与下一步建议。

工作流编排

把触发器、Agent、工具、条件和通知节点串成可复用的自动化流程，并保持可编辑、可审查。

技能目录

展示 Agent 可调用的工具、描述和边界，让运维人员能清楚看到自动化能力面。

MCP 服务器

注册外部 MCP 服务器，把 Grafana、Kubernetes、PagerDuty、GitHub 或内部平台工具接入同一套治理清单。

知识库

索引 Runbook、事故记录、架构笔记和代码仓库，让人和 Agent 使用同一份上下文。

产物中心

集中保存 Agent 和工作流生成的页面与报告，默认私有，便于审阅和交接。

监控

在同一个工作台里查看主机健康、日志、链路和告警状态，为 RCA 收集证据。

拓扑图

可视化服务、集群、设备与故障域之间的依赖关系，用于判断影响面。

审批与写入闸门

高风险动作先进入审批和策略边界，避免 Agent 直接修改生产系统。

最后聊聊

Ongrid干的事很简单：它负责查，我们负责拍板。 目前刚开源不久，很多细节还在完善，看作者天天迭代。

我最喜欢的是”零入站端口”和”浏览器SSH”，很多公司内网环境复杂，开端口要审批，跳板机性能差，Ongrid绕过了这些烂摊子。

但有个前提：它现在只支持Linux服务器，Windows别想了。而且AI修东西，生产环境还是要谨慎，建议先在测试环境跑熟。

如果团队已经在用Prometheus和Grafana，又想在Slack或者钉钉里直接搞定告警排查，Ongrid值得试。

目前最大的风险还是在于AI修线上的东西，不踏实，只敢测试环境用用，但是思路很好，谁知道以后AI发展成怎么样呢？可能半年之后都敢放心把生产环境交给它也说不好，对吧？

开源地址：

https://github.com/ongridio/ongrid