Как мы автоматизировали разбор ошибок Sentry через Google Apps Script и YandexGPT

Значимый прорыв формирует отрасль ИИ: VasilPRM 25 минут назад Как мы автоматизировали разбор ошибок Sentry через Google Apps Script и YandexGPT 6 мин 972 Микросервисы * Яндекс API * Serverless * Туториал Привет, коллеги! Меня зовут Василь Хамидуллин, и я тестировщик в компании fuse8. В этой статье расскажу, как мы решили проблему Alert Fatigue в Sentry и превратили десятки ежедневных писем с ошибками в один понятный утренний дайджест.

Покажу, почему для MVP выбрали Google Apps Script вместо полноценного сервиса, с какими ограничениями столкнулись при работе с Gemini, почему в итоге остановились на YandexGPT и как всего за один вечер собрали полностью бессерверную автоматизацию. А еще поделюсь реальными цифрами по стоимости, производительности и расскажу, где такой подход помогает экономить время команды, а где пока остается лишь удобным компромиссом. Если вы когда-нибудь открывали утром почту и видели несколько десятков писем от Sentry с одинаковыми stack trace, то наверняка сталкивались с классическим Alert Fatigue — усталостью от алертов.

Технические детали

В какой-то момент таких уведомлений становится настолько много, что мозг начинает автоматически их игнорировать. Поэтому становится легко пропустить действительно критичную проблему на продакшене. У нас ситуация выглядела примерно так:10–20 писем от Sentry ежедневно;15–20 минут ручного просмотра каждое утро;дублирующиеся ошибки, разбросанные по разным проектам.

Хотелось получать не поток уведомлений, а короткую человеческую сводку:что сломалось;насколько это критично;сколько раз повторилось;где смотреть подробнее. В итоге за один вечер появился небольшой сервис на Google Apps Script и YandexGPT, который каждое утро присылает единый дайджест по всем ошибкам за последние сутки. Сейчас чтение такого отчета занимает около двух минут.

Архитектура решенияСхема получилась максимально простой и полностью бессерверной:Google Apps Script по расписанию собирает письма от Sentry за последние 24 часа, извлекает из них полезную информацию, отправляет её в YandexGPT и формирует итоговый отчет. Никаких серверов, Docker, Kubernetes и отдельных баз данных. Почему не Sentry API?

Отраслевые последствия

Это первый вопрос, который возникает при взгляде на архитектуру. Конечно, у Sentry есть API, и через него можно получать гораздо больше информации. Но для MVP почта оказалась самым быстрым вариантом:алерты уже приходили в Gmail;фильтры были настроены;не требовалось отдельно хранить токены Sentry;интеграцию удалось собрать буквально за вечер.

Если бы проект развивался дальше, логичным следующим шагом был бы переход на API. Действительно, отчасти можно было бы обойтись обычным кодом, не прибегая к использованию нейронки. Например, количество ошибок, ссылки на инциденты и статистику повторений легко собрать обычными скриптами.

Проблема здесь в том, что ошибки разных сервисов выглядят по-разному:Java stack trace;Node. js исключения;SQL ошибки;сетевые таймауты;ошибки сторонних API.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.