# RCLAgent RCLAgent は、recursion-of-thought によって SRE の診断ワークフローをモデル化するマルチエージェント RCA フレームワークである。data agent(trace filtering・n-sigma detection)と thought agent(trace-tree traversal・クロスモーダル推論)を initial-reasoning・critical-reflection・final-review の 3 フェーズにわたってオーケストレーションする。(Source: [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] §II) - クリーンな単一リクエスト解析を前提としており、複数障害が併発しうる 30 分ウィンドウを想定していない。ウィンドウ間の汚染(cross-window contamination)への対処を欠き、制約充足による確定的な排除ではなくランク付きリストを出力する。(§II) - [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] の評価(GPT-5.2, Market cloudbed-1)では Accuracy@1 = 0.00。主診断ツールが span tree traversal であるため、[[OpenRCA]] の正解の多くを占めるノードレベル障害(node-2・node-4・node-6 等、インフラノードはトレーススパンを生成しない)を検知できない。また pod レベルの正解識別子(例: `recommendationservice2-0`)に対しサービスレベル名(例: `productcatalogservice`)を出力するため exact-match スコアリングで不正解になる。予測は container network latency のような汎用的な理由に偏り、正解が含む read I/O load・packet corruption・node CPU spike などの多様な障害種別を捉えられない。(Source: [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] Appendix B-B) ## 関連 - 本ソース: [[@2026__arXiv__How Far Can Root Cause Analysis Go on Real-World Telemetry Data?]] - 対比: [[GALA]](同ベンチマークで Accuracy@1 = 2.56、共に OpenRCA 上で低性能) - 関連ベンチマーク: [[OpenRCA]] - 親概念: [[LLMによる根本原因分析]] / [[マルチエージェント協調]]