Skip to main content
Deep Response Engine은 CloudThinker의 인시던트 라이프사이클 모듈입니다. 첫 번째 신호부터 해결된 인시던트까지 모든 이벤트를 처리합니다 — 노이즈 감소, 에스컬레이션, 근본 원인 분석, 수정, 메모리. 대부분의 모니터링 스택은 무언가 잘못되었다고 알려주고 거기서 멈춥니다. Deep Response Engine은 이유를 알려줍니다: Pulse는 누구에게도 알리기 전에 신호를 필터링하고 연관 짓고, Incident는 클러스터가 에스컬레이션되는 순간 — 종종 온콜 엔지니어가 노트북을 열기 전에 — 조사를 시작합니다.

​
동작 방식

어떤 단계도 수동 인계를 필요로 하지 않습니다 — 각 레이어가 다음 레이어에 자동으로 공급됩니다:
  1. 수집 — AWS, Datadog, Slack, PagerDuty 등의 소스에서 이벤트가 하나의 Pulse 피드로 스트리밍됩니다.
  2. 필터 및 연관 — 억제 레이어가 중복, 속도 제한된 버스트, 플래핑 리소스를 제거합니다. 관련 신호는 클러스터로 그룹화되어, 동일한 노드 풀에 관한 9개의 알림이 하나의 항목이 됩니다.
  3. 분류 및 에스컬레이션 — 모든 신호에 카테고리, 표준 심각도, 실행 가능성 점수가 부여됩니다. 클러스터가 Critical 또는 High이거나 AI가 실행 가능으로 표시하면 자동으로 인시던트로 에스컬레이션됩니다.
  4. 조사 — AI 에이전트가 명시적 가설을 수립하고, 메트릭과 로그에 대해 각 가설을 테스트하며, 구조화된 리포트를 생성합니다: 가장 가능성 높은 근본 원인, 증거 체인, 배제된 이론.
  5. 해결 및 기억 — 에이전트가 설정한 자율성 모드(Manual 또는 Auto)에 따라 루트 원인에 맞는 런북을 찾아 실행합니다. 각 해결은 인시던트 메모리에 피드되어 다음 조사를 더 빠르게 합니다.
모든 조사 단계가 가시적입니다 — 어떤 가설이 확인되었는지, 어떤 것이 배제되었는지, 그리고 그 이유.

​
주요 기능

​
핵심 개념

​
시작하기

신호 소스 연결

Pulse에 공급을 시작하기 위해 AWS, Slack, Teams, 웹훅 소스를 연결합니다.

웹훅 연동 설정

PagerDuty, Datadog, CloudWatch 등의 알림을 응답 루프로 라우팅합니다.

런북 추가

에이전트가 수정 중 실행할 수 있는 절차를 제공합니다.

조사 동작 방식 확인

가설 주도 근본 원인 분석의 처음부터 끝까지를 따라갑니다.