如何在任意Azure DevOps构建代理不可用时获取告警通知

一、通用代理不可用状态告警配置 #

这部分覆盖云端托管、自托管所有类型的代理离线检测需求：

• 首先在你的Azure DevOps账号下生成个人访问令牌（PAT），仅需授予代理池读取权限即可，降低权限风险
• 定时调用Azure DevOps REST API拉取代理状态，接口格式为：
  GET https://dev.azure.com/{你的组织名}/_apis/distributedtask/pools/{目标代理池ID}/agents?api-version=7.1-preview.1
• 对返回结果做字段校验：如果代理的status字段为offline，或enabled字段为false（按需配置），则判定为代理不可用
• 巡检逻辑可以用定时Shell/PowerShell脚本、Azure Functions等任意定时任务载体实现，不需要额外采购第三方服务

二、非云端（自托管）代理异常运行行为监测 #

这部分针对自部署在本地/私有服务器的代理，覆盖进程、资源、任务、网络四类异常场景：

• 进程存活检测：在代理主机上配置本地监控规则，检测Agent.Listener（Windows环境）或vsts-agent（Linux/macOS环境）进程是否处于运行状态，进程消失直接触发告警
• 资源占用阈值告警：在主机上部署基础监控能力，配置触发规则：
  • CPU持续10分钟占用率超过90%
  • 可用内存不足总内存的10%
  • 代理工作目录所在磁盘分区占用率超过95%
• 任务运行异常检测：
  1. 扫描代理安装目录下_diag文件夹中的运行日志，匹配connection lost、task failed unexpectedly等错误关键字，匹配到阈值次数后触发告警
  2. 在代理池配置中设置单任务最大运行时长，超出时长自动终止任务并推送告警，避免代理被异常任务长时间占满
• 连通性检测：定时从代理主机发起对Azure DevOps服务域名的ICMP探测、443端口连通性检测，丢包率超过30%或端口不通时触发告警

三、告警推送配置 #

以上所有监控规则触发后，你可以按需对接内部使用的通知渠道：直接在巡检脚本/监控平台中配置对应渠道的webhook地址，即可推送至邮件、企业微信、钉钉、Slack等任意通知工具。
如果不想自行开发巡检逻辑，也可以直接使用Azure DevOps内置的代理池告警规则，直接关联对应通知渠道即可快速上线。

内容的提问来源于stack exchange，提问作者Vowneee