Grafana Labs lägger till AI-bevakare och agenter som rättar kod i sin plattform för observerbarhet

Grafana Labs utökar Grafana Cloud med AI-agenter som bevakar tecken på nya problem, verktyg som förbereder kodändringar för mänsklig granskning och en gemensam kunskapsgraf som kopplar infrastrukturfel till de användare som påverkas. Nyheterna presenterades på ObservabilityCON 2026 och tar sig an två alltmer sammanlänkade uppgifter: att använda AI för att driva programvara och att övervaka de AI-system som tas i drift.

Lanseringen omfattar funktioner som är allmänt tillgängliga samt offentliga och privata förhandsversioner. Assistant Watchers och Agent Observability med stöd för OpenTelemetry är allmänt tillgängliga, medan Grafana Cloud Agents går in i en offentlig förhandsversion. Samtidigt introducerar Grafana snabbare loggsökningar, fler verktyg för att kontrollera telemetrikostnader och en kommersiell marknadsplats för plugin-program.

Den grundläggande frågan är hur långt ett driftteam bör låta en agent gå. Att upptäcka ett ovanligt mönster, förklara ett fel och ändra produktionskod får olika konsekvenser. Grafanas tillkännagivande för dessa steg närmare varandra, samtidigt som människor behåller godkännandet av föreslagna kodändringar.

Från att övervaka telemetri till att föreslå en lösning

Med Assistant Watchers kan team på vanlig svenska beskriva vad de vill övervaka. I stället för att enbart förlita sig på ett fördefinierat tröskelvärde lär sig en bevakare mönster i telemetrin och visar belägg när mönstren förändras. Resultaten hanteras via Grafana Alerting, som redan finns, och ett kritiskt fynd kan inleda en mer ingående undersökning.

Detta bygger vidare på Grafana Assistant, företagets inbyggda agent för frågor om driftdata. Assistant Investigations, som har varit allmänt tillgängligt sedan juli, kan genomföra längre undersökningar som startas av aviseringar eller incidenter. De nya bevakarna ger ytterligare en utgångspunkt: en förändring som håller på att uppstå och som teamet kanske ännu inte har uttryckt som en aviseringsregel.

Grafana Cloud Agents tillför en kontrollerad molnmiljö där Assistant kan granska kod i kodförråd tillsammans med aktuell telemetri, förbereda ett ändringsförslag och öppna en pull-förfrågan. Den offentliga förhandsversionen stannar vid en ändring som en person kan granska och godkänna. Även en rimlig diagnos och en fungerande programfix måste fortfarande valideras mot applikationens krav och driftsättningsprocess.

Detta är viktigt eftersom en agent kan ge en övertygande förklaring utan att ha tillräckliga belägg. När varje fynd kopplas till telemetri får ingenjörerna något att granska, medan en pull-förfrågan ger dem en välbekant kontrollpunkt för att granska själva ändringen.

Övervaka själva agenterna

Den andra delen av tillkännagivandet gäller AI-arbetsbelastningar som redan körs i applikationer. Det allmänt tillgängliga stödet för OpenTelemetry i Agent Observability gör agentaktivitet synlig enligt samma öppna standard för instrumentering som används för andra tjänster.

Grafanas dokumentation för Agent Observability-produkten beskriver hur konversationer kan spelas upp igen, inklusive frågor, verktygsanrop och svar, samt hur man följer svarstider, tokenförbrukning, modellkostnader, utvärderingar och experiment. Det kan hjälpa team att skilja ett dyrt modell anrop från en långsam underordnad tjänst eller undersöka en försämring av kvaliteten efter att en fråga eller ett verktyg har ändrats.

Infrastrukturens hälsa och svarens kvalitet kräver olika mätmetoder. En tjänst kan fortsätta vara tillgänglig samtidigt som en agent använder fel verktyg eller ger ett dåligt svar. Genom att kombinera drifttelemetri med utvärderingar får ingenjörerna fler aspekter att undersöka; det innebär inte att alla kvalitetsbedömningar automatiseras.

En kunskapsgraf som kopplar symtom till påverkan

Grafana lägger också till en kunskapsgraf i varje Grafana Cloud-stack. Lagret för körningskontext kopplar samman applikationer, databaser, molntjänster, Kubernetes-infrastruktur och telemetri som rör användarna. Team kan lägga till egna entiteter och relationer för att representera de produkter eller affärssystem som är viktiga för dem.

Egna entiteter och körningskontext för agenter är allmänt tillgängliga. En ny funktion för Cypher-frågor gör det möjligt för agenter att hämta relationer från grafen, och enligt Grafana är den kontexten tillgänglig för Assistant och agenter som ansluter via gcx. Syftet är att återanvända en etablerad bild av beroenden i stället för att återskapa den från råloggar vid varje undersökning.

Grafanas befintliga dokumentation för Cloud MCP-servern ger användbar inblick i företagets förhållningssätt till externa agenter. Den driftade servern låter kompatibla klienter söka i Grafana-data med OAuth-auktorisering, och åtkomsten begränsas av användarens Grafana-behörigheter. Att dela driftkontext mellan verktyg är därför också beroende av de behörigheter och gränser som har konfigurerats för dessa data.

Flera tillägg är fortfarande förhandsversioner. En tjänstekatalog med ägarskapsinformation, Mobile Observability, Critical User Journeys och Operational Context with Knowledge Graph är i privat förhandsversion. Session Replay och Grafana Workflows är i offentlig förhandsversion. Response Console, som samlar mänskliga insatsstyrkor och agenter i en gemensam arbetsyta för incidenter, är i privat förhandsversion.

Dessa skillnader är viktiga när lösningen ska tas i bruk. Ett team kan börja använda de allmänt tillgängliga graf funktionerna redan nu, men bör bedöma åtkomst till förhandsversioner och deras mognadsgrad separat innan det förlitar sig på det bredare arbetsflödet för incidenthantering.

Mer telemetri gör kostnadskontroll till en del av AI-stacken

Agenter genererar mer aktivitet att granska: modellförfrågningar, verktygsanrop, kodändringar och beteendet hos de applikationer de påverkar. En annan prioritering i lanseringen är att hålla informationen användbar utan att behöva lagra varje signal till full kostnad.

Grafana Cloud Logs får allmänt tillgängliga förbättringar av fulltextsökningen, baserade på teknik från Logline, som Grafana förvärvade i april 2026. Grafana uppger att ändringarna gör det snabbare att söka efter ovanliga värden, till exempel förfrågnings-ID:n, i objektlagring, utan extra kostnad. Det är särskilt relevant vid undersökningar där man behöver hitta en specifik händelse i stället för en övergripande trend.

Adaptive Logs Archive, som är i offentlig förhandsversion, skickar loggar till en objektlagringsbucket som kunden äger, i ett öppet format. Adaptive Metrics Auto-Apply, som är allmänt tillgängligt, tillämpar automatiskt rekommendationer om att minska kardinaliteten, med ett kostnadsläge som är avsett att förhindra ökningar av det totala antalet aktiva tidsserier. En annan allmänt tillgänglig uppdatering gör det möjligt för utvecklare att hämta spårningar med ID från de senaste 24 timmarna, även när Adaptive Traces har tappat dem.

Avvägningen är både operativ och ekonomisk: val av lagringstid och sampling avgör vilka belägg som finns kvar efter ett fel. Kundägda arkiv och ett fastställt tidsfönster för att hämta spårningar ger teamen fler alternativ, men de behöver fortfarande policyer som passar deras behov vid undersökningar och efterlevnad.

En kommersiell marknadsplats och en avvägd väg mot autonomi

Grafana Marketplace, som nu är allmänt tillgänglig, kompletterar det befintliga plugin-ekosystemet med betalpluginer från verifierade partner. Kunder med betalabonnemang på Grafana Cloud kan starta en provperiod på 14 dagar och prenumerera månadsvis via sin befintliga faktura. Partnerna ansvarar för supporten av sina pluginer, medan Grafana sköter faktureringen. Gratisdistributionen av pluginer finns kvar.

Tillkännagivandena kommer samtidigt som Grafana Labs och ETR publicerar sin 2026 State of Observability Report, som bygger på svar från 300 IT- och teknikchefer. Enligt pressmeddelandena har 68 % gått vidare med AI för observerbarhet från undersökningar till pilotprojekt eller produktionssättning. Tryggheten är betydligt större när AI används för undersökningar med enbart läsbehörighet (85 %) än vid helt autonom felavhjälpning (52 %).

Enkätsvaren beskriver införandet och inställningen till tekniken, men visar inte hur tillförlitliga de nyligen tillkännagivna verktygen är. De förklarar ändå inriktningen på den här lanseringen: automatisera upptäckt och undersökning, tillhandahålla en gemensam förteckning över beroenden och göra föreslagna åtgärder möjliga att granska. För teknikteam blir det praktiska testet om den kombinationen ger bättre underlag och färre upprepade undersökningar, samtidigt som ansvaret för förändringar med betydande konsekvenser förblir tydligt.