Modul Audit AgentLoop mendukung dua jenis ingesti data: ingesti aplikasi AI (mengumpulkan log sesi Agent) dan ingesti AI Node (mengumpulkan perilaku waktu proses melalui eBPF Runtime). Topik ini menjelaskan cara mengonfigurasi ingesti data audit di Ingestion Center.
Metode ingesti
Ingestion method | Applicable scenario | Data storage | Description |
AI application ingestion | Host atau lingkungan container dengan AI Coding Agents yang telah diterapkan | agent-event / agent-event-webtracking | Mengumpulkan log sesi Agent termasuk event perilaku Session, Turn, dan Tool Call. Pipeline penulisan spesifik bergantung pada konfigurasi yang dihasilkan oleh Ingestion Center. |
AI Node Runtime/eBPF | Host atau node yang memerlukan observabilitas tingkat waktu proses | ebpf-event Logstore | Mengumpulkan karakteristik permintaan LLM, perilaku proses, akses file, dan koneksi jaringan melalui eBPF |
Kedua metode ingesti dapat digunakan secara bersamaan. AI application ingestion menyediakan data sesi lengkap pada level semantik Agent, sedangkan AI Node Runtime/eBPF memberikan observabilitas waktu proses tingkat proses dan mampu mendeteksi aktivitas Agent yang tidak dikelola serta efek samping yang tidak dilaporkan.
Prasyarat
AgentLoop telah diaktifkan dan AgentSpace telah dibuat.
Aplikasi AI Agent telah diterapkan pada host atau kluster target.
(AI application ingestion) Komponen pengumpulan data LoongSuite Pilot telah diterapkan di lingkungan target.
(AI Node ingestion) Komponen LoongCollector dengan dukungan eBPF telah diterapkan di lingkungan target.
AI application ingestion
Jenis Agent yang didukung
Modul Audit saat ini mendukung ingesti log sesi untuk AI Coding Agents berikut:
Agent type | Description |
Qoder | Asisten coding AI Qoder |
Qoder CLI | Asisten AI berbasis command-line Qoder |
Qoder Work | Asisten ruang kerja Qoder Work |
Cursor | Asisten coding AI Cursor |
Claude Code | Asisten coding AI Claude Code |
Codex | Asisten coding AI Codex |
Langkah-langkah ingesti
Masuk ke Konsol AgentLoop. Di panel navigasi sebelah kiri, klik Ingestion Center.
Di area AI Observability, temukan kartu jenis Agent target (misalnya Qoder, Cursor, atau Claude Code) dan klik untuk masuk ke konfigurasi ingesti.
Pilih skenario penerapan: Host, Kubernetes, atau Docker.
Konfigurasikan parameter ingesti:
Parameter
Description
Application name prefix
Mengidentifikasi sekelompok instans Agent dan menghasilkan nama layanan, misalnya,
ai-coding-prodConnection method
Jaringan publik atau jaringan internal Alibaba Cloud
AgentSpace initialization
Menginisialisasi AgentSpace saat ini dan mengikat CMS Workspace serta SLS Project
Project
SLS Project yang terikat dengan AgentSpace saat ini (read-only)
Log storage location
Log audit sisi aplikasi ditulis ke agent-event / agent-event-webtracking. Tujuan spesifik bergantung pada konfigurasi pengumpulan yang dihasilkan oleh Ingestion Center.
Machine group
Pilih atau buat kelompok mesin untuk target pengumpulan
Konfigurasikan opsi pemrosesan data:
Data masking (opsional): Mendukung penyamaran informasi sensitif seperti nomor telepon, nomor KTP, alamat email, alamat IP, nomor telepon rumah, dan nomor kartu bank. Penyamaran data dinonaktifkan secara default dan dapat diaktifkan sesuai kebutuhan.
Klik Complete ingestion. Sistem secara otomatis menghasilkan perintah instalasi. Jalankan perintah instalasi tersebut pada host atau kluster target untuk menyelesaikan penerapan Pilot dan konfigurasi pengumpulan.
Verifikasi ingesti
Setelah ingesti selesai, periksa di Konsol SLS apakah data sedang ditulis ke agent-event / agent-event-webtracking. Anda juga dapat melihat waktu data terbaru untuk aplikasi Agent yang sesuai di halaman Audit Management. Buka Audit Facts, filter berdasarkan jenis Agent atau nama aplikasi, dan pastikan bahwa data Sessions, permintaan/respons model, serta data pemanggilan tool terlihat.
Jenis data yang dikumpulkan
Log audit yang dikumpulkan melalui AI application ingestion mencakup jenis event berikut:
Event type | Description |
Session event | Pembuatan dan pengakhiran sesi Agent |
Turn event | Satu putaran interaksi pengguna-Agent |
Step event | Satu langkah yang dieksekusi oleh Agent |
LLM request / response | Permintaan dan respons model LLM |
Tool call / tool result | Pemanggilan tool dan hasil pengembaliannya |
Human approval checkpoint | Titik pemeriksaan persetujuan manusia |
AI Node Runtime/eBPF ingestion
Ikhtisar
AI Node Runtime/eBPF ingestion menggunakan teknologi eBPF untuk mengamati perilaku waktu proses Agent pada level kernel tanpa mengubah kode aplikasi. Fitur ini dapat:
Mengidentifikasi proses AI Agent dan jenisnya yang berjalan di host.
Menangkap karakteristik permintaan API LLM (model, token, dan lainnya).
Memantau perilaku tingkat proses seperti pembacaan/penulisan file dan koneksi jaringan.
Mendeteksi aktivitas Agent yang tidak terdaftar melalui ingesti log sesi formal.
Langkah-langkah ingesti
Di area AI Observability Ingestion Center, klik kartu AI Node Runtime/eBPF.
Pilih skenario penerapan: Host, Kubernetes, atau Docker.
Konfigurasikan parameter cakupan node:
Parameter
Description
Project
SLS Project yang terikat dengan AgentSpace saat ini (read-only)
Logstore
Ditetapkan ke ebpf-event (read-only)
Machine group
Pilih atau buat kelompok mesin untuk target pengumpulan
Konfigurasikan aturan deteksi AgentSight:
Command-line allowlist: Tentukan aturan proses Agent yang akan dimasukkan dalam pengumpulan. Setiap grup berisi jenis Agent dan pola argumen command-line. Proses yang cocok dengan allowlist akan diberi tag jenis Agent yang sesuai.
Command-line blocklist: Tentukan pola proses yang akan dikecualikan dari pengumpulan. Blocklist memiliki prioritas lebih tinggi daripada allowlist.
Domain allowlist: Tentukan pola domain akses jaringan yang akan dimasukkan dalam pengumpulan. Proses yang mengakses domain dalam allowlist juga termasuk dalam cakupan pengumpulan.
Jika tidak ada konfigurasi yang diberikan, sistem menggunakan nilai default yang direkomendasikan. Setelah salah satu item dikonfigurasi, konfigurasi saat ini sepenuhnya menggantikan daftar default yang sesuai.
Konfigurasikan opsi penyamaran data (opsional). Opsi yang tersedia sama dengan AI application ingestion.
Selesaikan konfigurasi ingesti.
Verifikasi ingesti
Setelah ingesti eBPF selesai, periksa di Konsol SLS apakah data sedang ditulis ke Logstore ebpf-event untuk memastikan ingesti berhasil.
Penyamaran data
Log audit mungkin berisi informasi sensitif seperti nomor telepon, alamat email, dan Kunci API. AgentLoop mendukung penyamaran data di sisi edge selama tahap pengumpulan data untuk mencegah data sensitif disimpan dalam bentuk teks biasa di penyimpanan log.
Jenis penyamaran yang didukung:
Nomor telepon
Nomor KTP
Alamat email
Alamat IP
Nomor telepon rumah
Nomor kartu bank
Penyamaran data dikonfigurasi selama penyiapan ingesti, dinonaktifkan secara default, dan diaktifkan sesuai kebutuhan. Setelah penyamaran diterapkan, informasi kontekstual dalam log tetap utuh dan dapat dibaca, tanpa memengaruhi kemampuan audit dan troubleshooting.
Verifikasi ingesti
Setelah ingest berhasil, verifikasi dengan metode berikut:
Di halaman Audit Management, periksa AI Application Audit dan pastikan aplikasi target muncul dengan waktu data terbaru.
Di halaman Audit Facts, filter berdasarkan jenis Agent atau nama aplikasi dan pastikan Anda dapat melihat data Session yang dilaporkan, statistik Token, serta hasil analisis perilaku.
Untuk ingesti AI Node Runtime, periksa bagian AI Runtime Audit di halaman Audit Management dan pastikan jumlah host pengumpulan serta waktu data terbaru.