NVIDIA 开源自用的 AI Factory Operations Agent:基于 NemoClaw 蓝图,按运维领域拆子智能体、经 MCP 调工具,已在自家 DGX 集群上运行
一个把智能体用在 SRE 运维上的完整样例:专门的子智能体负责发现故障、跨层关联根因,每个 MCP 服务只暴露一小组获批工具。
// 要点
- 不同运维领域各有专门的子智能体,负责发现故障、跨层关联根因,并通过聊天界面给出建议;每个操作都留痕可审计
- 基于 NVIDIA NemoClaw 蓝图和 OpenShell 运行时构建;智能体经 OpenClaw 插件和 MCP 服务接入基础设施,每个 MCP 只暴露一组限定的获批工具
- 推理使用本地部署的 Nemotron 开放模型,框架运行在 NVIDIA 内部的 DGX H100、DGX B200 和 DGX GB300 生产集群上
- 通过 Helm 部署为 Kubernetes 控制面应用;编排框架以实验性开源发布,不同版本间 API 可能变化
开发者视角10-30 才发布的 NemoClaw,NVIDIA 自己已经用在生产运维上,这比一张蓝图更有说服力。我们的值班机器人值得照搬的是「每个领域一个 MCP 服务、只放获批工具」:智能体什么都能看,能动的只有运维手册里已经允许的操作。