使用 Amazon Quick 和 New Relic 构建智能事件分类助手，降低 MTTR

一句话看懂

Amazon Quick 与 New Relic 集成，让 SRE 通过一句话即可自动完成事件调查、根因分析和任务创建，大幅缩短故障处理时间。

详细发生了什么

Amazon Quick 是 AWS 推出的 AI Agent 平台，支持通过自然语言与多种企业工具交互。本次发布的模式是：利用 Amazon Quick 的 Agent 能力，结合 New Relic 的 MCP Server 和 Asana 的任务管理，构建一个端到端的事件分类助手。

当 on-call 工程师输入类似“结账服务慢，出现服务器错误，检查过去 24 小时，生成 RCA 报告”的指令时，Amazon Quick Agent 会自动调用 New Relic 的五个推理工具：

• generate_alert_insights_report：识别关键告警驱动因素
• generate_user_impact_report：量化影响范围（用户数、服务数）
• analyze_entity_logs：分析错误日志和异常
• analyze_transactions：识别慢请求或失败请求
• natural_language_to_nrql_query：将自然语言转为 New Relic 查询语言并执行

Agent 收集所有证据后，自动生成包含摘要、影响范围、关键证据和推荐操作的 RCA 报告，并在 Asana 中创建跟踪任务，实现从调查到交接的完整闭环。

中文圈视角

这套方案对国内 SRE 团队有直接参考价值，但需要注意几点：

1. 可用性：Amazon Quick 目前需要 Professional 订阅，且依赖 AWS 生态。国内用户如果使用阿里云、腾讯云等，暂无直接平替。不过，类似思路可以借鉴：用通义千问 Agent + 阿里云 ARMS（应用实时监控服务）+ 钉钉任务，实现类似流程。
2. 国产替代：国内监控产品如听云、博睿、Zabbix 中文版等，尚未提供原生 MCP Server 集成。但大模型 Agent 平台（如百度千帆、阿里百炼）已支持自定义工具调用，技术门槛不高。
3. 合规：数据不出境是硬性要求。如果使用 New Relic 的海外版，监控数据可能涉及跨境传输。国内团队应优先选择本地化部署或通过数据脱敏方案。
4. 场景落地：中文日志和自然语言查询是难点。New Relic 的 NRQL 支持英文，而国内团队可能需要定制 NL2SQL 模型。不过，对于标准化的告警和指标，这套模式可以直接复用。

几条值得记住的细节

• Amazon Quick 的 New Relic 连接器是内置的，无需额外开发，只需在控制台配置 OAuth 即可。
• Agent 使用五个 New Relic 推理工具，自动决定调用顺序，无需人工编排。
• 内部测试显示，该 Agent 显著缩短了证据收集阶段，降低了交接班时的知识丢失风险。
• Asana 集成需要创建 OAuth 应用，并指定项目名称（如“SRE Incident Triage”）。
• Amazon Quick 需要 Professional 订阅，且用户需具备 Author 以上权限。

一句话总结

对于 SRE 团队，这是一个可复用的 AI Agent 模式：用自然语言驱动监控和工单系统，把 MTTR 从小时级压缩到分钟级。