【Micorsoft Azure】SREエージェントGA！Agentic DevOpsについて改めて考えてみる

こんにちは、MS開発部の渋谷です。

2025年夏ごろにプレビューで発表されたSREエージェントが2026年3月に一般提供されました。

現代のソフトウェア開発およびシステム運用において、クラウドアーキテクチャの複雑化とそれに伴う運用負荷の増大は、多くの企業が直面する最も深刻な課題の一つとなっています。特に、深夜のアラート対応や繰り返される定型的な障害復旧作業といった運用面の負担が大きい組織も少なくはなかったと思います。それらを解決する製品の1つとしてSREエージェントを今回はAgentic DevOpsと交えてご紹介します。

Azure SRE Agent 概要

Azure SRE Agentは、単なる監視ツールやアラート通知システムではありません。システム運用における定型作業を削減し、システムの稼働時間を向上させ、インシデントの影響を最小限に抑えるために設計された、運用チームメンバーのようなエージェントです。

主な機能

SREエージェントには、OpenAIのモデルだけでなく、AnthropicのClaudeモデルといった最先端の大規模言語モデルを活用することができます。これにより、エージェントは自然言語による問い合わせを深く理解し、複雑なシステム障害の根本原因を論理的に分析することが可能になりました。さらに、ソースコードや各種開発ツールとの深いコンテキスト連携が実現されています。エージェントはシステムの構成情報だけでなく、基盤となるソースコードの文脈を理解したうえで診断を行います。また、Pythonコードの実行環境が組み込まれており、分離された安全なコンテナ環境内でデータの分析やカスタムレポートの作成、シェルコマンドの実行を自律的に行うことができます。エージェントの自律性は、組織のセキュリティポリシーや運用要件に合わせて柔軟に設定できます。推奨アクションの提示に留める設定から、事前に定義されたガードレールの範囲内で自動的に復旧作業まで実行する特権モードの設定といったエンタープライズ企業のニーズに合った調整ができます。

サポートされるAzureサービス

SREエージェントは、Azure CLIおよびREST APIを介して、ほぼすべてのAzureサービスを管理する能力を持っています。エージェントはAzureのインフラストラクチャを深く理解しており、リソースのトポロジーや依存関係、さらには各サービスにおける一般的な障害パターンをあらかじめ学習しています。またSREエージェントは、Azure MonitorやLog Analyticsのデータを直接調査するため、エンジニアがKQLと呼ばれるクエリ言語を手動で記述しなくても、根本原因分析が可能です。

組織の運用知識を蓄積する学習プロセス

Azure SRE Agentには、すべての対話や調査プロセスから組織固有の運用知識を蓄積していくといったいわゆる学習プロセスが組み込まれています。エージェントは導入直後から価値を提供し始めますが、時間の経過とともにその価値はどんどん高くなります。

導入からの期間	エージェントの学習到達度と提供される具体的な運用価値
1日目	各種ツールとの接続が完了し、Azureの組み込み知識を活用して最初のインシデントトリアージを実行します。即座に診断価値を提供し、チームの負担を軽減し始めます。
1週間	対象環境のトポロジー、組織特有の一般的な障害パターン、およびチームのエスカレーションの好みを学習します。これにより、インシデント調査の速度と精度が飛躍的に向上します。
1ヶ月	組織の制度的知識が蓄積され、暗黙知が形式知化されます。エージェントはリスクをプロアクティブに特定し、予防策を提案するようになります。新しいチームメンバーがオンコールシフトに入った際の強力なサポート役となります。

課金モデル

Azure SRE Agentの利用料は、Azure Agent Unitという独自の単位を用いて計算する従量課金制です。継続的な監視を行うための固定的なベースラインコストである常時接続フローと、インシデントの緩和や高度なトラブルシューティングなどAIがアクティブに関与した際に発生する使用量ベースのアクティブフローの2つのメトリックで課金が決定されます。

Agentic DevOpsにおける立ち位置

マイクロソフトが提唱するAgentic DevOpsは、ソフトウェア開発ライフサイクルのあらゆる段階において、自律型のエージェントが人間のチームメンバーと並走して作業を行うという新しいプラクティスです。

ソフトウェア開発ライフサイクル全体の再構築

Agentic DevOpsの枠組みにおいて、人工知能エージェントは構想から運用保守に至るまで、切れ目のない価値を提供します。それぞれの開発フェーズにおいて、エージェントは特定の役割を担い、全体としてシームレスな体験を構築します。

• 開発の初期段階であるアイデア出しや計画フェーズにおいては、GitHub Copilotがプロトタイプの作成やプロジェクトの足場固めを支援します。要件定義書からわずか数分で技術スタックの推奨事項やランディングページのプロトタイプを生成することが可能です。
• 続く実装フェーズでは、コーディングエージェントがGitHubのIssueを自律的に読み込み、新しいブランチを作成して機能の実装を行い、ドラフト状態のプルリクエストの作成までを担います。開発者はこのプルリクエストに対してフィードバックを行い、要件を満たすまで反復的なレビューを実行します。
• デザイン統合のフェーズでは、Model Context Protocolのサーバーを介してFigmaなどの外部ツールと連携し、デザイナーの意図を直接コードやコンポーネントに変換します。
• 品質保証フェーズでは、Playwrightなどを通じて自然言語によるエンドツーエンドのテストスクリプトが自動生成され、テストエンジニアの負担を大幅に削減します。
• システムが本番環境に展開された後の監視およびインシデント対応フェーズにおいてSREエージェントが活躍します。

GitHub CopilotとAzure SRE Agentによる自律的ループの形成

Agentic DevOpsの最大の特長は、開発フェーズを担うGitHub Copilotと運用フェーズを担うAzure SRE Agentがシームレスに連携し、継続的な改善のループを形成するところです。システムに障害が発生した場合、Azure SRE Agentは自律的にシステムのログやメトリクスを収集し、エラーのパターンを分析します。そして根本原因を特定すると、エージェントは単にアラートを鳴らすだけでなく、必要な修正内容や推奨事項を記載したIssueをGitHub上に自動的に作成します。

このプロセスにより運用側の一次対応が完了すると、直ちに開発側のエージェントが作業を引き継ぎます。GitHub Copilotのコーディングエージェントは、SRE Agentが作成したIssueの内容とソースコードのコンテキストを解析し、根本原因を解決するためのプログラムの修正案を自律的に作成し、レビューを開発メンバーに依頼します。これにより、開発側と運用側ともにエージェントの力を最大限活用しながら高速にDevOpsのループを回すことが可能です。

まとめ

2026年3月に一般提供が開始されたAzure SRE Agentは、クラウド運用における単なる自動化ではなく、より自律的なチームメンバーとして、運用メンバーを助けるようなサービスになっています。具体的なユースケースとして、インシデント対応のエンドツーエンド自動化や分散データベースのパフォーマンス最適化とトラブルシューティング・カスタム分析と運用レポートの自律的生成といった、様々なタスクをエージェントとして運用することができます。執筆時点では日本リージョンには展開されていないサービスですが、日本リージョンを含む全リージョンを調査対象にできるため、ぜひ検証されてみてはいかがでしょうか。