HPE Zerto、Amazon Bedrock でエージェント型トラブルシューティングシステムを構築

この投稿は、AWS と HPE Zerto チームが共同で執筆しました。

ハイブリッドおよびマルチクラウドインフラストラクチャを管理している場合、すでに AI システムを活用してシステムの健全性を評価し、問題の調査を行い、より迅速に対応しようとしているかもしれません。HPE Zerto は、Amazon Bedrock を活用したエージェント型トラブルシューティングシステムを構築することで、この課題に解決策を示しました。

HPE Zerto Software は、サイバーレジリエンスの強化、ディザスタリカバリ、継続的なデータ保護を実現します。これらの機能を活用することで、データの損失やダウンタイムを大幅に削減でき、ランサムウェア攻撃や障害、その他の停止事象からの迅速な復旧をサポートできます。

本稿では、エージェント型トラブルシューティングシステムの構築において選定したシステムアーキテクチャと、Amazon Bedrock を活用する上で直面した課題について解説します。このシステムはオンプレミス環境に展開され、運用信号、環境コンテキスト、製品知識へのアクセスを制御かつ安全に行えるように設計されています。

本システムは自然言語によるインタラクションを提供し、質問から即座に実行可能なインサイトへと導くことで、より迅速で根拠のある復旧判断をサポートします。

データ保護およびディザスタリカバリチームは、規模と複雑さ、そしてビジネス上の重要度が増し続ける環境で活動しています。彼らは保護状態の継続的な監視、SLA（サービスレベルアグリーメント）準拠の確認、アラートの解釈、障害調査、そして復旧イベントへの準備を常に行わなければなりません。この業務は複数のサイトや多数の保護対象ワークロードにまたがることも珍しくありません。

• 運用上の質問に答えるために必要な情報は、製品のアラート、イベント、ドキュメントなどに散在しており、チームが行動に移す前に手動で文脈を収集する必要があります。

• オペレーターは、何が起きていて次に何をすべきかを理解するために、ダッシュボード、レポート、ナレッジソースの間を行き来して時間をロスしています。

• 経験の浅い管理者は、症状の解釈や最も安全な修復手順の特定に苦労することがあります。

• マネージャーは、リスク、SLA の露出度、復旧準備状況に関する明確なサマリーを迅速に入手できない場合があります。

• アウトages やサイバーイベントが発生している間、これらの遅延はより深刻なものになります。不確実性によるコストが高く、チームが即座に信頼できるガイダンスを必要とするからです。

そのため、顧客は異なる環境で展開されたままでも、運用上の負担を増やすことなく、複雑なレジリエンスデータを即座に実行可能な回答に変換する方法を求めています。

ソリューション概要

根本的に、私たちはこのシステムを以下のように設計しました。

• サポートチケットを作成する必要なく、設定の問題の解決や問題のトラブルシューティングを短時間で支援するサポートアシスタントとして機能させる。

システムヘルス上の問題が発生した際にアラートを送信し、対策を支援します。

代わりにタスクを実行することで、セットアップ時間の短縮や機能の導入を加速させます。

このシステムは、オンプレミス環境内の Zerto 製品内で Pod としてデプロイされ、日常業務で既に使用している同じ UI から直接アクセス可能です。自然言語での対話が可能であり、環境のリアルタイム状態に基づいた文脈に即した実行可能な回答を推論・行動・返答するよう設計されています。

セキュアなエンタープライズ展開、モデルの柔軟性、運用上の制御能力を備えているため、Amazon Bedrock を採用しました。

主な選定基準は以下の通りです。

• セキュリティとガバナンス – Amazon Bedrock は基盤モデルへのアクセスを制限できるため、AI の利用を企業のセキュリティ、コンプライアンス、データ保護要件に適合させることができます。

• モデルの柔軟性 – 本サービスを利用することで複数の基盤モデルにアクセスし、評価を行うことが可能となり、品質、レイテンシ、コストに基づいて最適なモデルを選択できます。

• 運用統合 – Amazon Bedrock は、ガードレール、観測性、知識検索に AWS サービスと連携するため、より管理しやすいプロダクションアーキテクチャを実現します。

コンテンツセキュリティは、Amazon Bedrock Guardrails を活用して強化しています。これにより、プロンプトやシステム出力が企業のポリシー、コンプライアンス、およびセキュリティ要件に適合していることを保証します。

以下の図は、アーキテクチャの主要な構成要素を示しています。

• UI レイヤー – 既存の Zerto UI に埋め込まれたチャットインターフェースを通じてシステムと対話します。Server-Sent Events (SSE) を用いたリアルタイムストリーミングにより、調査の進行状況をその場で表示できるため、ユーザー体験が向上します。

• エージェントレイヤー – Strands Agents framework を活用して構築されたエージェントは、オンプレミス環境内の Pod として実行されます。これには以下のリソースへのアクセス権が付与されています：セッション履歴 – ローカルに保存された過去のチャット会話とコンテキスト。

• 内部ツール – ZVM (Zerto Manager) の API を公開するローカルの Model Context Protocol (MCP) サーバーです。エージェントはこれを通じて、ライブ環境データへの構造化アクセスを実現します。

• 外部ツール – Amazon Bedrock Knowledge Bases を活用し、パブリックドキュメントや関連するランブック、運用ノウハウをスマートに取得します。これは、コンテキストの検索・取得を行うための中央集権型かつフルマネージド型の Retrieval Augmented Generation (RAG) 機能であり、内部でのセマンティック検索をサポートしています。

インテリジェンス層は、主に以下の3つのコンポーネントで構成されています。

推論（Inference） – リクエストは Amazon Bedrock に送信され、選択された基盤モデルへルーティングされます。テナントごとのリクエストタグ付けには、各テナントが引き受ける AWS Identity and Access Management (IAM) ロールのタグが使用されます。

セキュリティ – Amazon Bedrock Guardrails は、推論の前と後に適用され、コンテンツの境界を強制し、回答が運用トピックに限定されていることを確認します。

制限とクォータ – Amazon CloudWatch、Amazon DynamoDB、AWS Lambda を組み合わせて、テナントごとのクォータと制限を適用し、コスト効率の高いシステムを維持します。

観測性（Observability）層 – システムから Amazon CloudWatch へ送信されるテレメトリデータにより、エージェントのパフォーマンス、エラー発生率、利用パターンを把握できます。

図1：ソリューションアーキテクチャ

以下の図は、Zerto プロダクトに組み込まれたアジェンシーシステムを示しています。

図2：HPE Zerto 管理コンソール内の組み込み型アジェンシーシステム

アジェンシーフロー

本システムは複数のサブエージェントで構成されており、オーケストレーターエージェントがこれらを制御します。オーケストレーターは、現在処理中のタスクに応じて各サブエージェントをツールとして利用可能です。逆に、各サブエージェントも独自のツールセットとコンテキストを持ち、サブタスクの処理を担当します。図3には、エージェント間のフローと階層関係が示されています。

オーケストレーターは、いつ作業を委任するかを判断します。一般的な質問には直接回答し、ログが多く含まれる深い調査が必要な場合は、関連するコンポーネントに特化した専門のサブエージェントへルーティングされます。各サブエージェントは、独自の新鮮なコンテキストと専用システムプロンプト、そして専用のツールを持って実行され、推論を要する作業にはより強力なモデルが使用されます。最終的な回答は、生ログや調査過程でのメモ書きといった不要な情報が混入して文脈が膨らむのを防ぎつつ、凝縮された要約レポートとして返されます。

• オーケストレーターエージェント – 2 つの役割を担います。保護グループの状態確認、直近のアラートレビュー、設定のベストプラクティスに関する質問などに利用できます。システムに現在発生している問題が提示された場合、このエージェントはサブエージェント間のトラブルシューティングフローを調整します。回答には機密情報や生ログが含まれないよう除去した上で、最終的な答えをお伝えします。

• ZVM エージェント – ZVM 関連の問題（サービスクラッシュ、ネットワーク障害、アップグレード失敗など）のトラブルシューティングを担当します。ドメイン固有の知識と特定のログパターンを提供する専用スキルを活用し、MCP を通じて環境データを付加しながらログを分析します。これにより、現在直面している問題とその考えられる原因について、包括的な分析が可能になります。

VRA エージェントは、レプリケーションの問題や遅延、サイト間のネットワーク接続、インストール関連など、VRA（Zerto Replication Engine）に起因するトラブルシューティングを担当します。また、MCP を通じて利用可能なログや環境データと照合するための構造化されたログパターンの文脈を提供するなど、ドメイン固有の知識スキルも備えています。

Figure 3: Agentic flow

課題

HPE Zerto のアジェンティックなトラブルシューティングシステムを構築するには、モデル選定や評価手法、オンプレミス展開における制約など、いくつかの重要なエンジニアリング上の判断を迫られました。

モデル選定

開発プロセスの一環として、品質・パフォーマンス・コストのトレードオフを考慮し、推論と推論処理のために複数のモデルを比較検討し、それらを組み合わせました。

当初の概念実証（POC）では、実現可能性を検証するために大規模で高性能なモデルを評価しました。その後、後述するエージェント評価メカニズムを実装し、より高速・軽量・低コストの他のモデルと比較しました。その結果、前述のようなマルチモデルアーキテクチャを採用することになりました。新しいモデルが利用可能になるたびに、引き続き評価を続けています。

AWS リージョンごとのモデル利用状況については、Amazon Bedrock の Supported models by AWS Region を参照してください。

エージェント評価

システムを継続的にアップグレードする中で、エージェントの体系的かつ継続的な評価のために PyTest と Strands Agents Evals SDK を活用しました。また、エージェントの挙動における回帰現象や改善点を把握するため、包括的な評価スイートを実行するジョブも用意しています。

評価は以下の 3 つのタイプに分類されます。

• 基本クエリ評価: エージェントに単一のクエリを提示し、その応答を評価するワンターン形式の評価です。

• マルチターン評価: エージェントに初期クエリを与え、エージェントが応答した後に、ユーザーシミュレーターとして大規模言語モデル（LLM）が実際のユーザーの役割を果たす完全な会話評価です。この手法には Strands Agents ActorSimulators が用いられます。最終的に、一連の会話が総合的に評価されます。

• 動的テスト評価: 網羅しきれないケースや動的なユースケースを評価するために、Strands Agents Experiment Generator を活用した完全な動的テストスイートを作成しました。これは特定の基準に基づいてユニークなテストスイートを生成するものです。

各テストには 4 つの Evaluator（評価器） が用意されています。

• 応答評価器: エージェントの応答を、特定の事前定義された基準に基づいて評価します。また、関連データを抽出して解析可能な構造化出力を使用します。

トラジェクトリ評価器

エージェントが選択したツールの妥当性を、事前に定義された特定の基準に基づいて評価します。この評価器も構造化出力を利用しています。

レイテンシ評価器

エージェントの応答遅延を測定し、設定された閾値内に収まっているかを確認します。

トークン使用量評価器

エージェントのトークン消費量を監視し、許容範囲を超えていないかをチェックします。

「Strands Agents は、AI エージェント構築に伴う複雑な作業を不要にします。堅苦しいワークフロー定義も、ボイラープレートとなるツール連鎖コードも不要です。必要なのはモデルとプロンプト、そして必要なツールだけです。組み込みの評価機能と観測性により、チームはこれまで試したどのフレームワークよりも迅速にエージェントの構築・テスト・改善を行えます。開発ライフサイクル全体をカバーするため、私たちは接着剤のようなコードを書くのではなく、本質的な問題解決に集中できます。」

— シャハク・ガバイ氏（HPE Zerto シニアソフトウェアエンジニア）

オンプレミス展開モデル

当社のアジェンティック・トラブルシューティングシステムの展開における制約の一つは、システムが顧客自身の環境内で稼働しなければならない点です。災害復旧（DR）インフラは、しばしばエアギャップ化されており、レイテンシに敏感な要件を満たすか、厳格なデータ所在地規制の対象となります。

そこで私たちは、ZVM アプライアンス内で完全にオンプレミスで動作する Strands Agents SDK を用いてエージェントランタイムを実装しました。HTTPS 経由で AWS に送信されるのは、モデル推論リクエストとナレッジベースへの照会クエリのみです。

ビジネス成果

HPE Zerto のエージェント型システムを活用すれば、運用効率の向上と復旧準備の強化を同時に実現できます。このシステムは、実際の環境データと信頼できる製品ドキュメントに基づいて回答を提供するため、運用上の質問への対応や問題調査、考えられる根本原因の特定、そしてアクションが必要なリスクの優先順位付けを支援します。

2026 年第 2 四半期にリリースされて以来、HPE Zerto の顧客の 20% 以上がこのエージェント型システムを導入し、積極的に活用しています。これは、AI を活用した災害復旧運用に対する強い需要を示すものです。実際の生産環境での利用状況を見ると、このシステムがサポートするワークフローにおけるサポートケースは 10% 減少しました。これにより、製品内でガイド付きセルフサービスを通じて、より一般的な運用上の問題を直接調査・解決できるようになりました。

影響はサポートケースの削減だけにとどまりません。反復的なデータ収集や手動調査を減らすことで、トラブルシューティングと根本原因の特定を加速し、管理者の生産性も向上します。運用サマリーの作成が迅速になり、SLA や保護に関するリスクを早期に発見できるため、日常業務からインシデント対応に至るまで、より根拠に基づいた意思決定が可能になります。

導入が進むにつれ、これらの機能は運用上の摩擦を軽減し、復旧準備を整えながら、専門知識の比例した増加を必要とせず、災害復旧運用をより効果的にスケールアップすることを可能にします。

社内では、エンジニアがすでにこのエージェントシステムによるトラブルシューティング機能を活用し、一般的な運用課題の調査と解決に取り組んでいます。また、QA 自動化チームも同システムをワークフローに組み込み、テスト中に発見された問題の調査と解決をより迅速かつ高精度に行えるようになりました。

得られた教訓

このソリューションの構築と展開を通じて、エージェントアーキテクチャへのアプローチを形作るいくつかの洞察が得られました。これらは主にオンプレミス環境における制約、エージェントの分解、リアルタイムなユーザーフィードバックに焦点を当てています。

• オンプレミスでのデプロイは、アーキテクチャそのものを根本的に変えます。 顧客データがオンプレミスのネットワークから一切流出してはならないという制約が、ローカルでのオーケストレーションには Strands Agents SDK を採用し、ローカルデータアクセスには MCP サーバーを設計するなど、すべてのアーキテクチャ上の判断に影響を与えました。

• MCP サーバーは、エージェントを実際の運用データに根付かせるための効果的なパターンです。 既存のプロダクト API を MCP サーバーでラップすることで、エージェントが生環境データを構造化され型安全な形でアクセスできるようになり、エージェントの開発が大幅に加速しました。

マルチエージェントによる分解により、複雑なタスクの信頼性が向上します。ワークフローを複数の専門化されたエージェントに分割し、それぞれが限定された責任を持つようにすることで、各コンポーネントを独立してテスト可能にし、システム全体のデバッグを容易にしました。サブエージェントはハブ・アンド・スポーク型のトポロジーで接続されています。すべての委任は親エージェントを経由し、問題が発生したと判断したサブエージェントは、直接ピアに呼び出すのではなく、親エージェントに報告します。この設計により、安全ルールと最終回答に対する単一の制御ポイントが維持され、テレメトリ上での追跡も線形かつ明確になります。また、トークン予算を枯渇させる可能性のある、エージェント間の無限ループ的な再帰動作を防ぐ効果もあります。その結果、複雑な問題に対してより正確な回答が可能になりつつ、日常のチャットにおける速度と予測可能性は損なわれていません。

ストリーミング機能はユーザーの信頼獲得に不可欠です。SSE（Server-Sent Events）を通じて調査の進捗をリアルタイムで表示することで、ユーザー体験が大幅に改善されました。ユーザーは待機するのではなく、各ステップが進行する様子を即座に確認できます。

結論

HPE Zerto Software は、信頼性の高いレジリエンスに関する専門知識と運用データを、Amazon Bedrock の生成 AI サービスと組み合わせることで、データ保護を支援します。