Este é o projeto de demonstração para a palestra "Do Prometheus ao GPT: Uma Nova Era de Observabilidade Inteligente", apresentada na Cloud Native Day São Paulo.

Apresentação disponível em: https://docs.google.com/presentation/d/1WxjzGd6KQzrsPJQqrJYAHd-pw7p8QMW4AosDZvu-fxs/edit?usp=sharing

O objetivo deste projeto é demonstrar como a Inteligência Artificial Generativa pode ser integrada a uma stack de observabilidade tradicional (Prometheus + Alertmanager) para transformar alertas técnicos e críticos em análises ricas, contextualizadas e acionáveis, enviadas diretamente para o Slack.

O fluxo da aplicação é simples:

+-------------------+      +-----------------+      +------------------+
|  Aplicação Demo   |----->|   Prometheus    |----->|   Alertmanager   |
| (Python/Flask)    |      |(Coleta Métricas)|      | (Gatilho Alertas)|
+-------------------+      +-----------------+      +------------------+
                                                           | (Webhook)
                                                           v
                                                +---------------------+      +----------------+
                                                |  Gen AI Bridge      |----->|    Vertex AI   |
                                                | (Python/Flask)      |      | (Modelo Gemini)|
                                                +---------------------+      +----------------+
                                                           |
                                                           v
                                                +---------------------+
                                                | Canal do Slack      |
                                                |(Análise Inteligente)|
                                                +---------------------+

• Aplicação Simples: Um microserviço em Flask que expõe métricas customizadas para o Prometheus.
• Monitoramento Real: Configuração funcional do Prometheus e Alertmanager para detectar problemas de latência e taxa de erros.
• Ponte Inteligente: Um serviço intermediário que recebe webhooks do Alertmanager.
• Análise com Gen AI: O serviço utiliza a SDK do Vertex AI para enviar os dados do alerta ao modelo Gemini, solicitando uma análise SRE.
• Notificações Ricas: Publica a análise gerada pela IA em um canal do Slack de forma clara e bem formatada.

Antes de começar, garanta que você tenha os seguintes softwares instalados:

• Docker
• Docker Compose
• Uma conta no Google Cloud
• Um workspace no Slack com permissões para criar aplicativos.

Siga estes passos cuidadosamente para configurar o ambiente.

Esta é a etapa mais crítica. A autenticação com a API do Google Cloud requer uma configuração específica.

1. Crie um Projeto: Se ainda não tiver um, crie um novo projeto no Google Cloud Console.
2. Ative o Faturamento: A utilização das APIs de IA exige que seu projeto esteja vinculado a uma conta de faturamento ativa.
   • No menu, vá para Faturamento e siga as instruções.
3. Ative as APIs Necessárias:
   • No menu, vá para APIs e Serviços > Biblioteca.
   • Procure e ative as seguintes APIs:
     • Vertex AI API
     • Generative Language API (para garantir compatibilidade)
4. Crie uma Conta de Serviço (Service Account):
   • Vá para IAM e admin > Contas de serviço.
   • Crie uma nova conta de serviço (ex: gemini-alerter-sa).
   • Conceda a ela o papel de "Usuário da Vertex AI" (Vertex AI User).
5. Gere uma Chave JSON:
   • Após criar a conta de serviço, entre nela, vá na aba CHAVES.
   • Adicione uma nova chave do tipo JSON.
   • Um arquivo .json será baixado. Renomeie este arquivo para gcp-credentials.json e coloque-o na raiz deste projeto. Um modelo do arquivo está disponvel no projeto.
   • Segurança: Adicione gcp-credentials.json ao seu arquivo .gitignore para nunca cometer este segredo no repositório.

1. Crie um App no Slack: Vá para api.slack.com/apps e crie um novo aplicativo no seu workspace.
2. Ative Incoming Webhooks: No menu do seu app, vá para Incoming Webhooks e ative-os.
3. Crie um Webhook: Adicione um novo webhook, escolhendo o canal onde os alertas devem ser postados (ex: #alertas-ia).
4. Copie a URL do Webhook. Ela se parecerá com https://hooks.slack.com/services/....

Na raiz do projeto, crie um arquivo chamado .env e preencha com as informações coletadas.

# .env

# Cole a URL do webhook do Slack aqui
SLACK_WEBHOOK_URL=https://hooks.slack.com/services/...

# Cole o ID do seu projeto do Google Cloud aqui (ex: meu-projeto-12345)
GCP_PROJECT_ID=seu-id-de-projeto-aqui

# Região do Google Cloud para usar a API (us-east4 é uma boa opção)
GCP_REGION=us-east4

Com todas as configurações no lugar, iniciar a stack é muito simples.

1. Abra um terminal na raiz do projeto.
2. Execute o comando:

   docker-compose up --build

3. Aguarde enquanto o Docker baixa as imagens e constrói os containers.
4. Após a inicialização, os seguintes serviços estarão disponíveis:
   • Aplicação Demo: http://localhost:5000
   • Prometheus: http://localhost:9090
   • Alertmanager: http://localhost:9093

Para gerar os alertas, execute os seguintes comandos em um novo terminal.

Para gerar um alerta de alta taxa de erros:

# Gera 50 requests que resultarão em erro HTTP 500
hey -n 50 -c 10 http://localhost:5000/error

ou

for i in {1..50}; do curl -s -o /dev/null http://localhost:5000/error & done   

Para gerar um alerta de alta latência:

# Gera requests lentos
hey -n 20 -c 5 http://localhost:5000/slow

Após executar um dos comandos, observe o alerta aparecer primeiro no Prometheus (Alerts), depois no Alertmanager, e finalmente, a análise completa gerada pela IA chegará no seu canal do Slack!

Durante o desenvolvimento, encontramos alguns erros comuns. Se algo der errado, verifique estes pontos:

• Alerta PENDING no Prometheus: Se o alerta não passa para FIRING, verifique a cláusula for e a janela de tempo da rate() no arquivo prometheus/alert.rules.yml. Para demos, valores baixos (for: 1s e rate([3m])) funcionam melhor.
• Erro 404 model not found:
  • Verifique se o faturamento e as APIs (Vertex AI e Generative Language) estão ativos no seu projeto GCP.
  • Confirme se a região (GCP_REGION) no seu .env está correta.
  • Crucial: Verifique o nome do modelo no gen-ai-bridge/bridge.py. Descobrimos que o nome completo e versionado (gemini-2.5-pro) foi o que funcionou para o nosso projeto.
• Erro 401 Unauthorized ou CREDENTIALS_MISSING: Este erro indica que a autenticação via Chave de API não é aceita. A solução é usar uma Service Account com o arquivo JSON, conforme descrito no guia de configuração.
• Erro 403 SERVICE_DISABLED: Confirma que uma API específica (Vertex AI ou Generative Language) não está ativa no seu projeto. Use o link no erro para ativá-la.

Este projeto é distribuído sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.