AWS DevOps Agent en la práctica: Agent Spaces, investigaciones, verificaciones de versiones y habilidades.

Los equipos de operaciones invierten muchas horas en tareas repetitivas: averiguar por qué se rompió un pipeline, verificar el estado de la infraestructura, comparar registros con métricas y responder a la pregunta diaria “¿Qué está roto ahora?”. AWS ofrece herramientas útiles para esto, como CloudWatch, IAM, CodePipeline y Lambda, pero aún existe una brecha entre las señales brutas y las conclusiones en las que alguien pueda actuar.

A continuación se presenta una explicación práctica del AWS DevOps Agent: cómo se configura un Agent Space, cómo se lleva a cabo una investigación de principio a fin, qué añaden las últimas funciones de gestión de versiones y cómo los Agent Skills permiten que el agente adopte los procedimientos propios del equipo. El público objetivo son ingenieros de DevOps, SRE, plataformas e inteligencia artificial que ya ejecutan cargas de trabajo en AWS y buscan una automatización que vaya más allá de los simples scripts.

Qué es y qué no es un agente DevOps

Aquí el término se refiere a un asistente operativo que no reemplaza a los ingenieros. Es un sistema que:

• tiene acceso de lectura a los recursos de AWS y, a veces, acceso de escritura limitado
• entiende el contexto operativo del entorno
• puede responder preguntas como por qué falló una implementación, qué cambió en la última hora o qué servicio está detrás del aumento de errores
• funciona como capa de conexión entre las API de AWS, los registros, las métricas y los equipos de soporte

No sustituye a los ingenieros. Su función es reducir la carga mental en las investigaciones rutinarias y acelerar dichas investigaciones.

Creación de un espacio para agentes

Encuentre el servicio

Abra la Consola de administración de AWS y busque AWS DevOps Agent. Las funciones básicas de operaciones en producción están generalmente disponibles. Las capacidades más recientes de gestión de versiones, que se describen a continuación, todavía se encuentran en versión de prueba.

Crear el espacio

Elija “Crear espacio de agente” e indique dos elementos: un nombre, como Demo-DevOps-Agent, y una breve descripción del entorno o de su propósito. El espacio de agente constituye el límite lógico alrededor de las investigaciones, la topología y las recomendaciones.

Conceder acceso a recursos

Dentro de la sección para otorgar acceso al espacio a los recursos de AWS, elija la opción que cree automáticamente un nuevo rol de Agente DevOps. AWS genera y adjunta un rol IAM con permisos específicos que le permiten leer métricas y registros de CloudWatch, inspeccionar recursos EC2 y relacionados, así como crear gráficos de topología. La mayor parte de las dificultades relacionadas con IAM que normalmente obstaculizan la adopción desaparecen en este paso.

Activar la aplicación web

En la sección “Habilitar aplicación web”, mantenga seleccionada la opción de crear rol automáticamente. Esto activa la interfaz interactiva que se utiliza para investigaciones, chats y paneles de control. Después de eso, cree el Espacio del Agente.

Abrir la vista del operador

Vaya al nuevo Espacio del Agente y abra “Acceso del operador”. Aquí hay tres áreas: Centro DevOps, Respuesta a incidentes y Prevención.

Centro DevOps y visibilidad basada en la topología

Dentro de esta interfaz, DevOps Center muestra un gráfico de topología en tiempo real del entorno AWS. Varias cosas destacan de inmediato: los recursos aparecen conectados y no aislados, las dependencias entre servicios son visibles, y el agente funciona basándose en esas relaciones y no únicamente en métricas. Esa topología es de gran importancia para el análisis de las causas raíz posteriormente.

Ejecutar una investigación

Es aquí donde el agente comienza a demostrar su utilidad. Desde el panel de control, seleccione “Iniciar investigación”. El problema puede describirse en lenguaje sencillo, o se puede elegir un desencadenante común, como un alto uso de CPU, un aumento en las tasas de error o la falta de métricas y registros.

El ejemplo aquí fue un incidente de datos faltantes. La solicitud decía: ¿puede verificar por qué los datos de CPU de CloudWatch no son visibles para mis instancias EC2? De inmediato, el agente identificó las instancias afectadas, las colocó en la vista de topología y consultó las métricas de CloudWatch en la región correspondiente.

Cronología y hallazgos

La cronología de la investigación muestra cómo avanzó el trabajo: recopilación de contexto, identificación de recursos, evaluación de métricas y elaboración de hallazgos. Una decisión de diseño merece atención especial. Cuando faltan métricas, el agente lo indica abiertamente y no falla en silencio. Es una pequeña decisión con un gran impacto en la confianza.

Análisis de la causa raíz

En la pestaña “Causa raíz”, el agente mencionó varias causas contribuyentes, no solo una:

• La supervisión detallada está desactivada en las instancias EC2. Las instancias mostraban Monitoring: disabled, y sin supervisión detallada esas métricas de CPU nunca se publican en CloudWatch.
• No está instalado el agente de CloudWatch. No se configuró nada en las instancias, por lo que los datos de CPU más detallados no estaban disponibles.
• Las instancias están detenidas. Habían estado detenidas durante mucho tiempo, y las instancias detenidas no emiten ninguna métrica.

Lo importante es cómo funcionó el agente. No se decantó por una sola explicación, clasificó las causas de manera sensata y respaldó cada una con evidencia obtenida de las APIs de AWS.

Cuando no tomar acción es la respuesta correcta

La pestaña del Plan de Mitigación indicó que no se pudo identificar ninguna acción de mitigación inmediata. Ese es un buen resultado, no uno deficiente. El sistema se comportaba exactamente como estaba configurado. Ninguna regresión ni cambio reciente había causado el síntoma. Cualquier solución equivaldría a un cambio de configuración planificado y no a la mitigación de un incidente. Diferenciar entre ambos aspectos es importante en entornos de producción, ya que evita retrocesos innecesarios.

Prevención

La pestaña de Prevención analiza investigaciones anteriores y decide si son necesarias recomendaciones proactivas. En este caso no se generó nada nuevo, y el agente detectó correctamente la ausencia de riesgos operativos recurrentes. Las categorías que evalúa son infraestructura, observabilidad, gobernanza y optimización de código.

Por qué les puede interesar a los equipos

Esto no es simplemente otro producto de monitoreo. Su valor radica en cuatro aspectos: tiempos de investigación más cortos, análisis estructurado de las causas raíz, menos fatiga por alertas y una forma en que los equipos pueden entender por qué sus sistemas se comportan de la manera en que lo hacen. De lo contrario, los ingenieros tendrían que combinar manualmente CloudWatch, las configuraciones de EC2, el estado de IAM y el historial de despliegue. El agente realiza esa correlación en su lugar.

Capacidades de gestión de versiones (versión preliminar)

Una capacidad más reciente permite implementar el agente antes, incluso antes de que el código llegue a producción.

Revisión de preparación para el lanzamiento. Cada cambio en el código se evalúa según los criterios de preparación para producción, el riesgo de dependencias entre repositorios y cualquier estándar definido por la organización; en caso de no existir tales estándares, se recurre a las mejores prácticas generales. Las verificaciones específicas incluyen el impacto del cambio en los servicios relacionados de otros repositorios, así como las modificaciones en IAM o en el control de acceso, evaluadas según el AWS Well-Architected Framework. Además, el agente inicia la compilación en un entorno aislado gestionado por AWS y la prueba con algunas pruebas simples de flujo de usuario. Estas pruebas confirman que la compilación tiene éxito, que la aplicación se ejecuta y que las verificaciones funcionales básicas se cumplen, todo antes de que el cambio ingrese al pipeline.

Los resultados se muestran en la consola del DevOps Agent y como comentarios en las solicitudes de pull en GitHub o GitLab. También se pueden generar a petición desde un IDE mediante la función Kiro power o el complemento Claude Code, de modo que los desarrolladores detecten riesgos relacionados con dependencias, violaciones de estándares y problemas de control de acceso antes de hacer commits.

Pruebas de liberación autónomas. Esto lleva la idea a la fase previa a la fusión. En lugar de ejecutar un conjunto fijo de pruebas, genera planes de pruebas específicos para cada cambio, que se ejecutan en entornos similares a los de producción proporcionados por el cliente, tanto para aplicaciones web como de API. Dado que analiza el significado de las diferencias, puede crear pruebas de corrección funcional, de regresión e integración entre servicios que un conjunto de pruebas mantenido manualmente podría no haber previsto nunca. Cada ejecución genera artefactos estructurados, como métricas, registros, trazas y un resumen de ejecución, lo que proporciona a los revisores un registro consistente y verificable de la cobertura de pruebas y los resultados para cada cambio.

Ambas funciones se encuentran en versión de prueba y no conllevan costo adicional durante ese período. Están disponibles en la región Este de EE. UU. (Virginia del Norte).

Qué son las habilidades del agente

Las habilidades son conjuntos de instrucciones modulares que dotan al agente de conocimientos especializados en un área determinada y métodos de investigación adaptados a la infraestructura y prácticas propias del equipo. Una habilidad es un directorio autónomo de instrucciones en Markdown que le otorga al agente una nueva capacidad. El servicio admite un subconjunto de la especificación abierta Agent Skills, aceptando únicamente material no ejecutable: instrucciones en Markdown, PDFs, imágenes y archivos de datos.

Cada habilidad necesita un archivo SKILL.md que contenga las instrucciones. Además, una habilidad puede incluir:

• Flujos de trabajo de investigación para escenarios o tipos de infraestructura específicos
• Material de referencia, como patrones arquitectónicos y procedimientos operativos

Dirigir el tipo de agente, que apunta una habilidad a tipos específicos de agentes (Genérico, Bajo demanda, Triaje de incidentes, Análisis de causas raíz de incidentes, Atenuación de incidentes o Evaluación) para ahorrar contexto y mejorar la concentración

¿Por qué molestarse?

Las habilidades convierten a un asistente de uso general en un especialista para un entorno concreto. Una instrucción única introducida en el chat desaparece después, mientras que una habilidad es reutilizable y se carga automáticamente cuando una tarea lo requiere. Se derivan cuatro beneficios:

• Especialización. El agente adquiere procedimientos de investigación, buenas prácticas y conocimientos organizativos propios de la infraestructura.
• Un flujo de trabajo escrito una sola vez se utiliza automáticamente en todas las investigaciones relevantes, por lo que no es necesario volver a exponer las mismas indicaciones.
• Composición. Varias habilidades se combinan para formar un flujo de trabajo completo. El agente puede utilizar muchas durante una ejecución; por ejemplo, una que obtiene despliegues desde un pipeline CI/CD personalizado y otra que busca en repositorios de código.
• Mejor uso de herramientas personalizadas. Una habilidad puede indicarle al agente cuándo llamar a una herramienta específica del servidor MCP, qué parámetros son adecuados para diferentes escenarios y cómo leer los resultados.

Cómo se utilizan

Cuando el agente se encuentra con una tarea relevante, carga las habilidades correspondientes y las sigue. Por ejemplo, una habilidad llamada Investigación del rendimiento de la base de datos podría contener procedimientos paso a paso para el control de tráfico en RDS, guiando al agente de manera sistemática a través del estado de las alarmas, las métricas de conexión y las consultas lentas.

Estructura de las habilidades

Una habilidad es un directorio:

my-skill/
├── SKILL.md              # Main skill instructions
├── references/           # Optional: additional reference documentation
└── assets/               # Optional: images, diagrams, data files

El archivo SKILL.md es el elemento obligatorio. Debe describir cuándo y cómo se aplica la habilidad, proporcionar procedimientos de investigación paso a paso, incluir árboles de decisión para diferentes escenarios y especificar los resultados esperados y los criterios de éxito.

Ejemplos de habilidades y cómo cargar una

AWS publica una colección de ejemplos de habilidades desarrolladas para este entorno de ejecución en la organización GitHub aws-samples. No se trata de habilidades genéricas para Agentes; están adaptadas al entorno de ejecución DevOps Agent, a sus tipos de agentes y a los flujos de trabajo que se ejecutan dentro de un Agent Space.

Para usar una de ellas, descargue el archivo zip deseado desde el repositorio o cree un paquete con esta estructura:

<skill-name>.zip
├── SKILL.md              # Required: main instructions + YAML frontmatter
├── references/           # Optional: reference documentation
│   ├── architecture.md
│   └── troubleshooting.md
└── assets/               # Optional: images, diagrams, data files

Coloque SKILL.md en la raíz del archivo zip con frontmatter válido que contenga name y description. Un ejemplo de frontmatter podría tener un nombre como eks-resilience-checker-skill-devops y una descripción similar a: procedimientos de investigación para la evaluación de la resiliencia en Amazon EKS, que abarcan la salud del plano de control, el escalado del plano de datos, las deficiencias en redes y la capacidad de observabilidad, para utilizar al evaluar o corregir la resiliencia del clúster.

Luego siga los pasos de carga:

1. Verifique que el archivo zip no tenga una carpeta scripts/ y que su tamaño sea de 6 MB o menos.
2. Abra la aplicación web Operator y vaya a la página de Habilidades.
3. Elija “Agregar habilidad” y luego “Cargar habilidad”.
4. Arrastre el archivo .zip al cuadro de diálogo o busque el archivo. Solo se aceptan archivos zip de hasta 6 MB.

Elige los tipos de agente que deben utilizar la habilidad. Generic está preseleccionado y se aplica a todos los tipos. Desélégalo para dirigirte a On-demand, Incident Triage, Incident RCA, Incident Mitigation o Evaluation.

Lee los resultados de validación que muestra el formulario y luego elige “Subir” para añadir la habilidad al Espacio del Agente.

Gestión de habilidades posteriormente

• Lista y visualización: se puede abrir cualquier habilidad en la página de Habilidades para navegar por sus archivos (SKILL.md, references/, assets/), de forma solo de lectura.
• Activar o desactivar: cambia el estado a Active o Inactive en la vista de detalles. Las habilidades inactivas permanecen almacenadas pero no se cargan en nuevas investigaciones.

Redirigir: se puede editar la selección de tipos de agente cuando sea necesario.

Sustituir: una habilidad obtenida desde un archivo zip se actualiza al subir una versión más reciente.

Crear una habilidad en la interfaz de usuario

Un único archivo SKILL.md sin referencias ni recursos puede prescindir por completo del archivo zip:

1. En la página de Habilidades, elija Agregar habilidad y luego Crear habilidad.
2. Introduzca un nombre en minúsculas, con números y guiones, de máximo 64 caracteres, sin que comience ni termine con un guion.
3. Introduzca una descripción, idealmente de al menos 100 caracteres y no más de 1024.
4. Elija un estado (Activo o Inactivo) y uno o más tipos de agente.
5. Pegue el código Markdown en el campo de Instrucciones.
6. Elija Crear. El sistema genera automáticamente el archivo SKILL.md con la información de metadatos adecuada.

Dónde encaja

Para quienes gestionan AWS a gran escala, este servicio merece ser probado, especialmente para la triage de incidentes y el análisis posterior. En términos sencillos, funciona como un compañero de trabajo autónomo que está disponible las 24 horas del día. Comienza a investigar en el momento en que se dispara una alerta, acorta el tiempo de resolución al correlacionar datos telemétricos, código e historial de despliegues, y ayuda a prevenir futuros fallos en entornos AWS, híbridos y multi-nube.