Zabbix es una herramienta dedicada al monitoreo de infraestructuras de TI, como servidores, redes y aplicaciones, basándose en umbrales predeterminados.
Incorporar inteligencia artificial como complemento permitiría mitigar alertas basadas en esos umbrales, ofreciendo posibles causas y soluciones a los problemas. Esto guiaría al usuario en la resolución de incidentes de manera más eficiente.
En este artículo, explicaremos cómo realizar la integración entre Zabbix y la herramienta de Inteligencia Artificial (IA) de Google, Gemini, utilizando la API proporcionada por el grupo, además de presentar una alternativa de widget personalizado para su uso.
Primeros pasos para la integración
]Para implementar esta funcionalidad, se puede encontrar el repositorio en GitHub basado en el modelo Google Gemini.
Además, es necesario crear una cuenta en Google AI Studio para obtener la API requerida.
Configuración del script en Zabbix
En Zabbix, a partir de la versión 7.0, acceder a:
“Alerts” > “Scripts” > “Create Script”.
Para esta funcionalidad, asignamos un nombre como «Posible causa y solución».
A continuación, configuramos los parámetros con el evento del trigger y la API generada en AI Studio.
Copiar y pegar el script del repositorio mencionado en el campo «Script». Tal como en la siguiente imagen:
Aplicación en el panel de problemas
Después de la configuración, acceder al panel de alertas y seleccionar una alerta específica.
Hacer clic en: “AI Assistant” y luego en la funcionalidad que nombramos anteriormente como “Posible causa y solución”.
En las siguientes imágenes, presentamos un ejemplo de un agente instalado en un notebook.
Posible causa:
Posible solución:
La IA será capaz de proporcionar una solución con alta precisión para cada problema presentado, permitiendo optimizar los umbrales predeterminados de manera progresiva.
Utilizando el widget personalizado “¿Qué harías tú?”
La creación de dashboards personalizados precisos para el usuario es fundamental. Con esto en mente, proponemos la creación de un widget basado en IA llamado “¿Qué harías tú?”, que analiza el estado actual del problema presentado en Zabbix.
Este concepto integra todas las funcionalidades presentes en el widget (tales como Resumen, Perspectivas, Diagnóstico, Comparación, Previsión), ya que el prompt utilizado puede indicar si es necesario realizar ajustes en el plan estratégico o prever tendencias futuras basadas en los datos del panel construido.
Para ejemplificar cómo funciona el widget “¿Qué harías tú?”, consideremos el análisis del uso de disco en nuestro Zabbix Server.
Una vez que se tiene el conocimiento para el proyecto, en el backend de nuestro Zabbix Server localizamos la ruta:
/usr/share/zabbix/widgets/
Entonces, creamos una carpeta llamada insights y copiamos el seguiente repositorio.
Es necesario colocar la API de Gemini en el archivo «assets/js/class.widget.php.js» en el campo “YOUR_API_KEY”.
En el frontend, ir a “Administration” > “General” > “Modules”.
En la esquina superior derecha, hacer clic en “Scan Directory”.
Ya tenemos nuestro widget a usar:
Después de realizar el “Scan Directory”, es necesario habilitar el widget, pues viene deshabilitado por defecto.
Importancia de usar la IA en Zabbix
Imaginemos un escenario con 100 servidores monitorizados. Los umbrales de rendimiento, servicios de Windows u otros servicios específicos podrían generar alrededor de 50 alertas semanales.
Con el uso de IA, sería posible reducir este número a menos de la mitad, gracias a la recopilación semanal de posibles causas y soluciones. Este enfoque no solo permite resolver problemas más rápidamente, sino que también minimiza los ajustes necesarios en el Zabbix Server, mejorando así la salud general.
Tener la IA en nuestro ordenador para Zabbix
Utilizando un servidor dedicado con modelos de IA de código abierto como HuggingFace, sería posible implementar la IA localmente, donde crearíamos una base de datos recopilando las posibles causas y soluciones de los eventos.
La IA aprendería de eventos repetitivos, ofreciendo respuestas más precisas en el futuro. El análisis de posibles tendencias se basaría en las alertas generadas.
De esta forma, no solo optimizamos nuestras alertas, sino también nuestra inteligencia artificial para comprender y resolver nuestros problemas.
Conclusión
El modelo que usamos está orientado a proyectos. Estamos en constante evolución de la IA y debemos utilizar aquella que mejor conocemos.
Cada lenguaje es distinto debido a la orientación de los prompts utilizados para las respuestas y al aprendizaje que podemos proporcionar, ya sea haciendo solicitudes a plataformas específicas de IA o utilizándola localmente.
