AI SRE 架构与能力边界
AI SRE 是用于基于证据诊断和受监督运维的独立 Rust 2024 工作区，拥有自己的 Control Plane、Connector、模型网关、PostgreSQL 状态、UI、客户端和隔离执行服务。它不复用 Dashboard 会话，也不向模型开放 Dashboard 变更 API。部署指南解释开发栈与生产边界。
组件职责
| 工作区成员 | 职责与依赖边界 |
|---|---|
rocketmq-sre-contracts | 版本化领域、协议、Evidence、Incident、方案和执行契约；不依赖网络、异步运行时、数据库、模型 SDK 或 RocketMQ 实现 |
rocketmq-sre-core | 确定性协调与描述符注册表；正常依赖仅为 Contracts |
rocketmq-sre-control-plane | 公共 API 与组装入口；接入、持久化、诊断、对话、治理、审批和执行协调 |
rocketmq-sre-connector | 私有读取网关、MCP 协议客户端、能力握手、数据源采集及证据转换 |
rocketmq-sre-model-gateway | 提供方中立的模型表示、协议适配器、能力路由、流式输出、预算、回退与 Critic 来源链 |
rocketmq-sre-executor | 持久化受监督执行状态机、租约/隔离协调、验证与恢复；不持有目标凭据，也不直接访问目标网络 |
rocketmq-sre-execution-agent | 单独启用的类型化目标驱动；拥有目标凭据、效果台账及受隔离约束的分发 |
rocketmq-sre-probe | 在专用合成主题/组上执行有界生产/消费流量；无 Admin 或变更 feature |
rocketmq-sre-eval | 显式模式导出与确定性评估/验收工具 |
rocketmq-sre-client / rocketmq-sre-cli | 固定只读 HTTP 客户端及运维命令；本地草稿不授予执行权限 |
UI 和 TypeScript SDK 是独立 Node 工程。UI 可以调用版本化 Control Plane 工作流路由；公开 Rust/TypeScript SDK 和 CLI 保持更小的固定只读接口。两者都不允许原始目标请求。
观察与执行路径
Connector 通过公共协议使用 MCP，不依赖 MCP 服务器 crate 或 Rust DTO。MCP 与只读 Admin 适配器共用一个私有 ReadGateway，统一处理租户/集群授权、速率/并发准入、截止时间、取消、有界输出、脱敏和审计。回退到 Admin 仍然读取同一个获准查询，不扩展范围。
Connector 注册和命令使用独立认证反向通道。公共 Control Plane 端口不暴露 Connector 专属内部路由。服务端声明变更能力、未知 schema 主版本或能力漂移时会被拒绝，不会静默接受。因此，MCP Control 不能替代 Connector 配置中的查询 MCP 端点。
Evidence 是带来源信息的观察
PostgreSQL 是持久化事实存储。Evidence 包含版本化模式、租户/集群范围、观察时间、新鲜度、来源和部分结果语义。较大的脱敏 JSON 载荷进入私有对象存储，默认内联上限为 64 KiB。内存仓库/对象适配器用于测试，不是生产回退。
拓扑边来自已观察标识。Topic -> Queue -> Broker -> Store 遵循 RocketMQ 路由/运行时观察。Kubernetes 元数据仅在存在明确映射时添加 Pod/Node/PVC 关系；Broker Pod 需要 rocketmqrust.com/broker-name 标签才能关联逻辑 Broker。缺失来源保持 partial 或 not_production_verified，系统不会为补全图示而编造生产者连接或拓扑边。
典型诊断经过限定范围的采集、规范化 Evidence、确定性 Diagnostic Pack、假设和反证，再形成持久化诊断修订。模型可以解释有界证据并引用它。答案必须保留缺失或过旧观察，合理的模型解释不能替代测量。
模型辅助职责受限
Model Gateway 使用规范请求/响应契约和协议适配器，不将领域逻辑绑定到某个厂商 SDK。Profile 声明工具、结构化输出、流式输出、上下文、数据分类及区域等能力。路由拒绝不兼容提供方，不静默改变请求契约。提供方凭据通过引用解析，不进入 Connector、目标适配器或模型提示词。
Control Plane 配置默认禁用网络模型调用，部署可以显式启用。仓库开发 Compose 栈启用本地模型 fixture，不证明真实外部提供方集成。提供方系列 profile 描述支持的集成路径，不表示每个厂商/模型组合均已成功验证。
规则与类型化契约保持权威。不安全、被拒绝或不可用的模型路径可以生成 RulesOnlyDiagnosisNotExecutable。无效结构化输出最多允许向同一提供方发起一次有界、无工具的修复调用，并作为独立调用关联记录；修复失败不触发基于 schema 的提供方回退。有限可用性回退仅适用于暂时性超时、429、5xx 或传输失败。对话工具选择限定在固定只读目录中，并返回带引用的持久化答案修订。
受监督执行已实现，但逐项启用
在 1.0.0 开发版源码树中，Control Plane 代码持久化方案、策略/Critic 评估、人工审批和执行协调。Execution Agent 启动注册表按条件注册类型化处理器。实际可用性取决于启动配置与已注册处理器；该产品仍是独立管理版本的 workspace。
所有 Agent 动作开关默认 false。支持配置的处理器类别为：
| 动作 | ROCKETMQ_SRE_AGENT_ 后的启用后缀 |
|---|---|
| 允许列表内 Broker 配置 | ENABLE_BROKER_CONFIG |
| 允许列表内主题配置 | ENABLE_TOPIC_CONFIG |
| 允许列表内订阅组配置 | ENABLE_SUBSCRIPTION_GROUP_CONFIG |
| 带 TTL 的日志级别 | ENABLE_LOGGER_TTL |
| 单单位 Proxy 扩容 | ENABLE_PROXY_SCALE_OUT |
| Proxy 镜像金丝雀 | ENABLE_PROXY_IMAGE_CANARY |
| 带重叠期的凭据轮换 | ENABLE_CREDENTIAL_ROTATION |
| 重启一个 Proxy | ENABLE_PROXY_RESTART |
| 重启一个遥测采集器 | ENABLE_TELEMETRY_COLLECTOR_RESTART |
单独开关不够，目标允许列表、独立凭据、验证端点及驱动配置都必须有效。Executor 运行不代表 Agent 动作启用。Agent 没有通用 Shell、原始 Admin 请求码或任意 Kubernetes 补丁接口。
执行序列验证短期请求，恢复持久状态，建立租约/隔离条件，检查描述符与实时前提，获取资源所有权，记录意图，再分发类型化 Agent 操作。Agent 在调用驱动前持久化 Prepared 和 Dispatched；只有有界、已验证结果进入 Confirmed。非终态重复效果保持未解决，不盲目再次分发。新隔离代际等待在途工作，并拒绝未解决的旧效 果。
验证结合 Agent 资源观察与独立的 Control Plane 技术 SLI 观察。不确定结果通过只读状态检查协调；补偿是明确操作，也需要验证。这不是跨资源原子事务，也不保证每种失败都可撤销。PostgreSQL 或 Lease Authority 不可用会阻止目标写入。
选择工作流前读取能力状态
- 接入可能处于 pending、只读就绪、降级、拒绝或已下线。必需来源不可用时，集群保持降级；下线撤销身份并保留历史。
- 查询客户端可以读取状态、集群、Incident、巡检、方案和 OpenAPI。本地 Plan/Runbook 草稿不是服务端审批或执行授权。
- 普通 Dashboard 仍是直接资源管理产品。SRE 拥有跨信号调查和受治理工作流，不共享凭据与会话。
- 编译、描述符注册、配置启用和真实场景成功是不同证据。使用观察到的能力/覆盖状态，不声明全部已定义动作都通过生产验证。
本文架构描述源码契约与配置后的能力边界。应根据所选部署的实际观测结果验证诊断、模型集成及已启用的目标操作。编译成功和处理器注册本身不能证明端到端执行或恢复行为。