Kontajnerové prostredia sa dnes bežne využívajú na zabezpečenie
reprodukovateľnosti, škálovateľnosti a konzistentného správania
softvéru naprieč rôznymi výpočtovými platformami. Vytváranie
vlastných kontajnerových obrazov (Docker image) však môže byť
náročné, najmä pre používateľov bez skúseností s DevOps. Táto
diplomová práca predstavuje prototyp AI agenta, ktorý
používateľom umožňuje vytvárať, testovať a nasadzovať Docker
image pomocou pokynov zadaných v bežnom jazyku. Agent využíva
veľké jazykové modely (LLM) a workflow postavený na knižnici
LangGraph na koordináciu generovania kódu, vykonávania testov,
spracovania chýb a samotného nasadenia. Ponúka API kompatibilné
s OpenAI, ktoré streamuje aktualizácie v reálnom čase a dá sa
bez problémov integrovať s grafickými rozhraniami ako Open
WebUI. Docker image sú budované pomocou nástroja Kaniko v
prostredí
Kubernetes a nahrávané do registra cerit.io, odkiaľ sú
automaticky dostupné v JupyterHub-e prevádzkovanom na CERIT-SC.
Agent podporuje interakciu s používateľom na spresnenie
nejednoznačných požiadaviek a dokáže samostatne vyriešiť mnohé
typické problémy. Cieľom práce je ukázať, ako môže AI agent
založený
na LLM automatizovať proces tvorby Docker image a znížiť
potrebu manuálnych zásahov pri nasadzovaní kontajnerizovaných
aplikácií.