██████╗ ███████╗██╗   ██╗ ██████╗ ██████╗ ███████╗    ██████╗  █████╗ ██╗   ██╗███████╗
██╔══██╗██╔════╝██║   ██║██╔═══██╗██╔══██╗██╔════╝    ██╔══██╗██╔══██╗╚██╗ ██╔╝██╔════╝
██║  ██║█████╗  ██║   ██║██║   ██║██████╔╝███████╗    ██║  ██║███████║ ╚████╔╝ ███████╗
██║  ██║██╔══╝  ╚██╗ ██╔╝██║   ██║██╔═══╝ ╚════██║    ██║  ██║██╔══██║  ╚██╔╝  ╚════██║
██████╔╝███████╗ ╚████╔╝ ╚██████╔╝██║     ███████║    ██████╔╝██║  ██║   ██║   ███████║
╚═════╝ ╚══════╝  ╚═══╝   ╚═════╝ ╚═╝     ╚══════╝    ╚═════╝ ╚═╝  ╚═╝   ╚═╝   ╚══════╝

Demo de orquestación multi-agente usando Microsoft Agent Framework SDK y Azure AI Foundry con FoundryIQ Knowledge Bases para Agentic Retrieval. Simula un asistente interno que un ingeniero de guardia puede consultar para resolver incidentes.

Features

• Multi-Agent Orchestration: Enrutamiento inteligente hacia agentes especializados (Políticas, Runbooks, Herramientas)
• Microsoft Agent Framework SDK: Construido sobre el SDK oficial agent-framework de Python
• FoundryIQ Knowledge Bases: Modo Agentic Retrieval con gpt-4o-mini para respuestas fundamentadas
• RBAC-Only Authentication: Sin API keys — usa DefaultAzureCredential en todos los servicios
• Fully Automated Deployment: Infrastructure as Code con Bicep + setup scripts

Architecture

Flujo de una consulta

flowchart TD
    U(["👤 Ingeniero de guardia\n#quot;¿Cómo resuelvo un CrashLoopBackOff?#quot;"])

    subgraph AF["🤖 Microsoft Agent Framework SDK"]
        O["⚙️ Orchestrator Agent\nAnaliza intent · Enruta · Retorna respuesta"]
        A1["📋 Agente Políticas\nSoporte & On-Call"]
        A2["📖 Agente Runbooks\nOperaciones SRE"]
        A3["🛠️ Agente Herramientas\nPlataforma"]
    end

    subgraph FIQ["✨ Microsoft Foundry IQ — Agentic Retrieval"]
        KB1["kb-politicas\ngpt-4o-mini · medium effort"]
        KB2["kb-runbooks\ngpt-4o-mini · medium effort"]
        KB3["kb-herramientas\ngpt-4o-mini · medium effort"]
    end

    subgraph SRC1["Knowledge Sources — Políticas"]
        P1["ks-politicas\nindex-politicas"]
        P2["ks-web-aws-reliability\ndocs.aws.amazon.com/wellarchitected"]
        P3["ks-web-pagerduty\nsupport.pagerduty.com"]
    end

    subgraph SRC2["Knowledge Sources — Runbooks"]
        R1["ks-runbooks\nindex-runbooks"]
        R2["ks-web-terraform\ndeveloper.hashicorp.com/terraform"]
        R3["ks-web-aws-ops\ndocs.aws.amazon.com/eks"]
    end

    subgraph SRC3["Knowledge Sources — Herramientas"]
        H1["ks-herramientas\nindex-herramientas"]
        H2["ks-web-ansible\ndocs.ansible.com"]
        H3["ks-web-hashicorp\ndeveloper.hashicorp.com/vault"]
    end

    RESP(["💬 Respuesta fundamentada\ncon contexto y citas"])

    U --> O
    O -->|"on-call, guardia, SLA"| A1
    O -->|"runbook, playbook, troubleshoot"| A2
    O -->|"k8s, terraform, vault, CI/CD"| A3
    A1 --> KB1
    A2 --> KB2
    A3 --> KB3
    KB1 --> SRC1
    KB2 --> SRC2
    KB3 --> SRC3
    SRC1 --> RESP
    SRC2 --> RESP
    SRC3 --> RESP

Loading

Cómo funciona Foundry IQ

flowchart LR
    subgraph AG["Agent"]
        T["Task\nSystem Prompt\n+ Chat"]
    end

    subgraph FIQ["✨ Foundry IQ  ·  Azure AI Search"]
        SEL["🧠 Knowledge Source\nSelection\ngpt-4o-mini"]
        subgraph IDX["Indexed Sources"]
            S1["🔍 AI Search Index"]
            S2["📦 Azure Blob"]
            S3["🏔️ Fabric OneLake"]
            S4["📄 SharePoint"]
        end
        subgraph REM["Remote Sources (Web)"]
            R1["☁️ AWS Docs"]
            R2["🟠 Terraform / HashiCorp"]
            R3["🔴 Ansible / Galaxy"]
            R4["🟣 PagerDuty"]
        end
        RR["📊 Semantic Re-ranking"]
    end

    GR["📎 Grounding\nContexto relevante"]

    T -->|"Prompt + Chat\n+ Instructions"| SEL
    SEL --> IDX
    SEL --> REM
    IDX --> RR
    REM --> RR
    RR --> GR

Loading

Prerequisites

• Azure subscription con Owner o Contributor + User Access Administrator
• Azure CLI
• Azure Developer CLI (azd)
• Python 3.11+
• Node.js 18+ (para el frontend)

Quick Start

1. Clonar y configurar

git clone https://github.com/Martin-Sciarrillo/Demo-DevOps-Days.git
cd Demo-DevOps-Days

# Crear virtual environment
python -m venv .venv

# Windows
.venv\Scripts\Activate.ps1
# Linux/Mac
source .venv/bin/activate

# Instalar dependencias
pip install -r requirements-dev.txt

2. Deploy Infrastructure

az login && azd auth login
azd up

3. Setup índices y datos

./scripts/setup_indexes.sh
./scripts/upload_sample_data.sh

4. Crear FoundryIQ Knowledge Sources y Knowledge Bases

python scripts/setup_foundry_devops.py

Esto crea en Azure AI Search (via Foundry IQ):

• Knowledge Sources: ks-politicas, ks-runbooks, ks-herramientas
• Knowledge Bases: kb-politicas, kb-runbooks, kb-herramientas

Verificación: ai.azure.com → proyecto devopsdays → Knowledge → Knowledge bases

5. Configurar variables de entorno

Crear .env en la raíz del repo:

AZURE_OPENAI_ENDPOINT=https://<your-resource>.openai.azure.com/
AZURE_SEARCH_ENDPOINT=https://<your-resource>.search.windows.net
AZURE_OPENAI_DEPLOYMENT=gpt-4o-mini
AZURE_AI_PROJECT_ENDPOINT=https://<your-foundry>.services.ai.azure.com/api/projects/<project>

6. Levantar la app

# Backend
cd app/backend
uvicorn main:app --port 8000

# Frontend (dev mode, en otra terminal)
cd app/frontend
npm install
npm run dev  # → http://localhost:5173

O en modo full (frontend buildeado dentro del backend):

cd app/frontend && npm run build
# Todo en http://localhost:8000

7. Probar el orquestador en CLI

python app/backend/agents/orchestrator.py

Probá: "¿Cuál es el proceso de postmortem blameless?" o "¿Cómo accedo a Vault para gestionar secretos?"

Project Structure

├── app/
│   ├── backend/
│   │   ├── main.py              # FastAPI app (inicializa agentes al startup)
│   │   └── agents/
│   │       ├── orchestrator.py      # Router + agentes especialistas + singleton state
│   │       ├── config.py            # Endpoints, índices y KB names
│   │       ├── politicas_agent.py   # Standalone — agente de políticas & on-call
│   │       ├── runbooks_agent.py    # Standalone — agente de runbooks operacionales
│   │       └── herramientas_agent.py # Standalone — agente de herramientas internas
│   └── frontend/
│       └── src/
│           ├── App.tsx          # UI React con workflow canvas + chat
│           └── index.css        # Estilos
├── infra/                       # Bicep IaC templates
├── scripts/
│   ├── setup_foundry_devops.py  # Crea KBs y KSs en Foundry IQ (RBAC)
│   ├── setup_indexes.sh         # Crea índices en Azure AI Search
│   ├── upload_sample_data.sh    # Sube datos de ejemplo
│   └── setup_rbac.sh            # Asigna roles RBAC necesarios
└── docs/                        # Documentación y screenshots

Knowledge Base Mapping

Agente	Knowledge Base	Knowledge Sources	Contenido
Políticas	kb-politicas	ks-politicas (internal) · ks-web-aws-reliability (AWS Well-Architected) · ks-web-pagerduty (PagerDuty)	On-call, SLA/SLO, postmortem, escalation policies
Runbooks	kb-runbooks	ks-runbooks (internal) · ks-web-terraform (HashiCorp) · ks-web-aws-ops (AWS EKS/SSM)	Runbooks, playbooks P1/P2, IaC procedures
Herramientas	kb-herramientas	ks-herramientas (internal) · ks-web-ansible (Ansible/Galaxy) · ks-web-hashicorp (Vault/Consul)	Kubernetes, Terraform, Vault, CI/CD, Ansible

Troubleshooting

Issue	Fix
403 Forbidden	Portal → Search → Keys → "Both" (API keys + RBAC)
ModuleNotFoundError: config	Correr uvicorn desde app/backend/, no desde la raíz
ModuleNotFoundError: dotenv	Activar venv primero: .venv\Scripts\Activate.ps1
KBs no aparecen en Foundry	Conectar el recurso AI Search en ai.azure.com → Knowledge → seleccionar srch-* con Microsoft Entra ID
Respuestas genéricas	Verificar que los índices tienen documentos (upload_sample_data.sh)
Primera respuesta lenta	Normal — warmup de token Azure AD. Las siguientes son más rápidas.
Múltiples instancias en puerto 8000	taskkill /F /IM python.exe /T y volver a levantar

License

MIT License

---

Referencias

• 🤖 More about Agent Framework
• 🔍 More about Foundry IQ
• 👤 More about me