聯繫我們

課程簡介

理解 Mastra 架構與營運概念

  • 核心元件及其生產角色
  • 企業環境支援的整合模式
  • 安全與治理考量

準備 agent 部署環境

  • 配置容器運行時環境
  • 為 AI agent 工作負載準備 Kubernetes 叢集
  • 管理密碼、憑證與配置儲存區

部署 Mastra AI Agent

  • 打包 agent 以供部署
  • 使用 GitOps 與 CI/CD 實現自動化交付
  • 透過結構化測試驗證部署

生產 AI Agent 擴展策略

  • 橫向擴展模式
  • 使用 HPA、KEDA 及事件驅動觸發器的自動擴展
  • 負載分擔與請求處理策略

AI Agent 的可觀測性、監控與日誌記錄

  • 遙测儀表的最佳實踐
  • 整合 Prometheus、Grafana 及日誌堆疊
  • 追蹤 agent 效能、漂移與營運異常

最佳化效能與資源效率

  • 分析 agent 工作負載
  • 提升推論效能並降低延遲
  • 大規模 agent 部署的成本最佳化方法

可靠性、韌性與故障處理

  • 設計能承受負載的韌性架構
  • 實施熔断機制、重試策略及速率限制
  • 基於 agent 系統的災難復原規劃

將 Mastra 整合至企業生態系統

  • 與 API、資料管線及事件匯流排介面互動
  • 使 agent 部署符合企業 DevSecOps
  • 適應現有平台環境的架構調整

總結與後續步驟

最低要求

  • 了解容器化與編排技術
  • 具備 CI/CD 工作流程經驗
  • 熟悉 AI 模型部署概念

受眾

  • DevOps 工程師
  • 後端開發人員
  • 負責 AI 工作負載的平台工程師
 21 小時

課程分類