Operasikan instans ECS menggunakan Workbench CLI di agen AI - Elastic Compute Service

Muat skill Workbench CLI ke dalam tool coding AI seperti Wukong, Qoder, dan opencode, lalu gunakan bahasa alami untuk mengarahkan agen melakukan kueri terhadap instans ECS, menjalankan perintah, dan mentransfer file. Dengan output JSON terstruktur dan penerusan exit code perintah, agen dapat mengevaluasi hasil secara mandiri serta merangkai operasi berikutnya.

Mengapa Agen AI Sangat Cocok dengan Workbench CLI

Dibandingkan cara lain untuk menghubungkan ke instans ECS, Workbench CLI secara inheren cocok dipanggil oleh agen AI:

Output JSON terstruktur: Semua perintah mendukung --output json dan mengembalikan struktur bidang yang dapat diprediksi (misalnya, output, stderr, dan exit_code), sehingga agen tidak perlu mengurai output teks menggunakan ekspresi reguler.
Penerusan exit code: workbench exec meneruskan exit code dari perintah jarak jauh (konsisten dengan SSH), sehingga agen dapat menentukan apakah perintah tersebut berhasil. Ketika perintah gagal, --output json menghasilkan informasi error terstruktur yang dapat diurai agen untuk memutuskan apakah akan mencoba ulang atau melaporkan error.
Eksekusi stateless: Setiap pemanggilan workbench exec berjalan dalam lingkungan independen tanpa membawa state shell sebelumnya. Agen tidak perlu mempertahankan konteks sesi, dan perilaku perintah tidak menjadi tidak terduga akibat state sisa sebelumnya.
Semantik perintah intuitif: Nama-nama list / exec / upload / download dipetakan satu-ke-satu ke tugas operasional umum, sehingga agen dapat mempelajari penggunaannya sendiri melalui --help.

Prasyarat

Workbench CLI telah diinstal di komputer Anda, dan kredensial serta kebijakan RAM dengan hak istimewa minimal telah dikonfigurasi. Untuk informasi lebih lanjut, lihat Install Workbench CLI and configure credentials.
Tool coding AI target (Wukong, opencode, atau tool AI lain yang dapat menjalankan perintah shell) telah diinstal di komputer Anda.
Kami menyarankan Anda membaca terlebih dahulu Manage ECS instances by using Workbench CLI untuk memahami penggunaan setiap subperintah workbench, sehingga Anda dapat lebih baik mengevaluasi output agen.

Muat Skill Workbench CLI ke dalam Tool AI

Alibaba Cloud telah merilis skill Workbench CLI resmi yang mencakup penggunaan semua subperintah, deskripsi parameter, makna exit code, dan alur kerja khas. Setelah skill dimuat ke dalam tool coding AI, agen dapat memanggil perintah workbench secara mandiri ketika Anda menyampaikan maksud operasional dalam bahasa alami. Bagian berikut menjelaskan cara memuat skill tersebut di Qoder, Wukong, dan opencode, secara berurutan.

Qoder

Di terminal tempat Qoder berjalan, jalankan perintah berikut untuk memuat skill resmi menggunakan CLI skills.

npx skills add aliyun/alibabacloud-aiops-skills --skill alibabacloud-workbench-cli --agent qoder -y --full-depth

Setelah skill dimuat, Anda dapat mencoba percakapan berikut di Qoder untuk memverifikasinya:

You: Deploy the local app.jar to the /opt/app directory on instance i-bp1a2b3c4d5e6f.
Agent: (Calls workbench upload and then workbench exec to complete the deployment, and reports the result step by step.)

Wukong

Wukong belum mendukung pemuatan satu-perintah melalui CLI skills. Anda perlu mengunduh paket skill dan mengimpornya secara manual:

Buka halaman Workbench CLI Skill dan unduh paket ZIP skill tersebut.
Impor paket ZIP yang telah diunduh ke dalam Wukong.
Aktifkan (muat) skill tersebut setelah impor selesai.

Setelah skill dimuat, Anda dapat mencoba percakapan berikut di Wukong untuk memverifikasinya:

You: Use workbench to list the running instances in China (Hangzhou).
Agent: (Automatically runs workbench list ecs -r cn-hangzhou --status Running --output json and summarizes the result.)

opencode

Di terminal tempat opencode berjalan, jalankan perintah berikut untuk memuat skill resmi menggunakan CLI skills.

npx skills add aliyun/alibabacloud-aiops-skills --skill alibabacloud-workbench-cli --agent opencode -y --full-depth

Setelah skill dimuat, Anda dapat mencoba percakapan berikut di opencode untuk memverifikasinya:

You: Connect to instance i-bp1a2b3c4d5e6f and check its disk usage.
Agent: (Automatically runs workbench exec -i i-bp1a2b3c4d5e6f -c "df -h" --output json and explains the result.)

Untuk tool AI lainnya, kunjungi halaman Workbench CLI Skill.

Metode Umum: Biarkan Agen Belajar dari --help

Jika tool AI Anda tidak mendukung skill resmi Alibaba Cloud, atau jika Anda ingin cara cepat untuk memverifikasinya, Anda dapat meminta agen belajar sendiri dengan membaca output --help. Metode ini berfungsi pada agen apa pun yang dapat menjalankan perintah shell.

Read the output of workbench --help and learn to use the workbench tool to manage and operate my Alibaba Cloud ECS instances.

Agen secara otomatis menjalankan workbench --help dan workbench <subcommand> --help untuk memahami penggunaan semua subperintah secara bertahap, lalu menggunakan --output json untuk memperoleh hasil terstruktur guna pemrosesan selanjutnya.

Catatan

Dibandingkan dengan memuat skill secara eksplisit, metode umum ini mengharuskan agen membaca ulang output help pada setiap sesi baru, mengonsumsi lebih banyak konteks, dan tidak memiliki praktik terbaik serta panduan penanganan error yang tertanam dalam skill. Untuk penggunaan jangka panjang, kami menyarankan Anda memuat skill secara eksplisit.

Skenario Percakapan Khas

Skenario 1: Kueri Instans yang Berjalan

Prompt pengguna:

List the running instances in China (Hangzhou).

Eksekusi agen:

workbench list ecs -r cn-hangzhou --status Running --output json

Respons yang disederhanakan:

{
  "instances": [
    { "instance_id": "i-bp1a2b3c...", "instance_name": "web-prod-01", "status": "Running", "private_ip": "172.16.0.10" },
    { "instance_id": "i-bp2x4y5z...", "instance_name": "api-prod-02", "status": "Running", "private_ip": "172.16.0.11" }
  ]
}

Rangkuman agen: China (Hangzhou) (cn-hangzhou) saat ini memiliki 2 instans yang berjalan: web-prod-01 (i-bp1a2b3c...) dan api-prod-02 (i-bp2x4y5z...).

Skenario 2: Jalankan Perintah Remote dan Analisis Hasilnya

Prompt pengguna:

Check whether i-bp1a2b3c4d5e6f has enough disk space.

Eksekusi agen:

workbench exec -i i-bp1a2b3c4d5e6f -c "df -h" --output json

Respons yang disederhanakan:

{
  "output": "Filesystem      Size  Used Avail Use% Mounted on\n/dev/vda1        40G   36G  4.0G  90% /\n/dev/vdb1       100G   20G   80G  20% /data\n",
  "stderr": "",
  "exit_code": 0
}

Analisis agen: Partisi root / telah terpakai 90%, dengan sisa 4,0G, yang hampir mencapai batasnya. Kami menyarankan Anda membersihkan log atau memperluas sistem disk. Partisi /data terpakai 20% dan masih memiliki kapasitas yang cukup.

Skenario 3: Transfer File

Prompt pengguna:

Deploy ./app-2.0.tar.gz to the /opt/deploy directory on i-bp1a2b3c4d5e6f, then extract and verify it.

Eksekusi agen (dipanggil berurutan):

workbench upload ./app-2.0.tar.gz /opt/deploy/app-2.0.tar.gz -i i-bp1a2b3c4d5e6f
workbench exec -i i-bp1a2b3c4d5e6f -c "cd /opt/deploy && tar xzf app-2.0.tar.gz" --output json
workbench exec -i i-bp1a2b3c4d5e6f -c "ls -lh /opt/deploy/app-2.0/" --output json

Rangkuman agen: File berhasil diunggah. Ekstraksi selesai dengan exit code 0. Direktori berisi bin/, config/, dan app.jar (120M). Penerapan selesai.

Rekomendasi Izin dan Keamanan

Gunakan Pengguna RAM atau role khusus untuk agen AI: Pisahkan kredensial agen dari kredensial yang digunakan manusia. Hal ini mempermudah pembedaan antara "operasi manusia" dan "operasi agen" dalam log audit serta mempercepat pelacakan sumber masalah.
Gunakan kebijakan hak istimewa minimal dan persempit cakupan berdasarkan Resource: Berikan agen hanya Actions yang dibutuhkan, dan gunakan ARN instans untuk mempersempit Resource ke instans tertentu, sehingga kesalahan operasi tidak menyebar ke instans lain.
Aktifkan konfirmasi human-in-the-loop (HITL): Mode agen yang tertanam dalam workbench connect secara default memerlukan konfirmasi Y/n sebelum menjalankan perintah apa pun. Untuk tool AI eksternal, kami menyarankan Anda juga mengaktifkan konfirmasi pengguna sebelum eksekusi perintah.
Lebih baik gunakan RamRoleArn di lingkungan produksi: Skenario agen sering berjalan dalam periode panjang dan menggunakan kredensial secara intensif, sehingga kebocoran Pasangan Kunci Akses statis membawa risiko tinggi. Lebih baik gunakan RamRoleArn atau CredentialsURI agar kredensial diperbarui secara otomatis.

FAQ

Bagaimana Cara Mengatasi Error "command not found" Setelah Agen Memuat Skill

Penyebab: Saat tool AI menjalankan proses anak, lingkungan shell yang digunakan tidak mewarisi PATH dari shell pengguna Anda, sehingga tidak dapat menemukan biner workbench.

Solusi:

Gunakan jalur mutlak /usr/local/bin/workbench (Linux/macOS) atau C:\Program Files\workbench\workbench.exe (Windows).
Secara eksplisit deklarasikan jalur biner dalam definisi skill atau system prompt.
Periksa cara tool AI diluncurkan dan apakah tool tersebut mewarisi profil shell Anda (~/.bashrc atau ~/.zshrc).

Bagaimana Cara Membatasi Jumlah Sesi yang Besar Akibat Agen Mencoba Ulang dalam Loop

Penyebab: Saat agen mengalami error, agen mencoba ulang berulang kali dan membuat sesi baru setiap kali, sehingga secara bertahap mengonsumsi resource di sisi server.

Solusi:

Dalam skill atau prompt, instruksikan agen untuk segera melaporkan error kepada Anda tanpa mencoba ulang secara otomatis ketika menghadapi error yang tidak dapat dicoba ulang, seperti kegagalan otentikasi atau instans yang tidak ada (ditentukan berdasarkan bidang message dari --output json).
Sesi secara otomatis diklaim kembali setelah timeout idle sekitar 30 menit. Jika Anda tidak perlu mempertahankan sesi dalam waktu lama, mintalah agen menutup sesi tersebut dengan /exit segera setelah selesai.
Jalankan secara berkala workbench session close --all atau workbench daemon stop untuk membersihkan sesi yang tersisa.

Bagaimana Cara Memaksa Agen Hanya Menggunakan --output json

Penyebab: Secara default, agen mungkin menggunakan output teks, yang menyebabkan penguraian tidak stabil.

Solusi: Dalam definisi skill atau system prompt, secara eksplisit wajibkan agen untuk menambahkan --output json pada semua pemanggilan perintah workbench dan mengurai hasil sesuai skema JSON: saat sukses, bidangnya adalah output, stderr, dan exit_code; saat gagal, output berupa {code, message}.

Referensi

Connect to an instance by using Workbench CLI: Topik induk yang mencakup posisi tool dan quick start.
Install Workbench CLI and configure credentials: Instalasi CLI dan konfigurasi kredensial/izin.
Manage ECS instances by using Workbench CLI: Deskripsi detail setiap perintah dan troubleshooting (termasuk cara menggunakan asisten AI dalam sesi connect).