Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Menggunakan Agen Pemecahan Masalah
<a name="spark-troubleshooting-using-troubleshooting-agent"></a>

## Mode Penerapan yang Didukung
<a name="supported-deployment-modes"></a>

Agen Pemecahan Masalah Apache Spark untuk Amazon EMR mendukung kemampuan analisis komprehensif untuk beban kerja Spark yang gagal, termasuk diagnosis kesalahan otomatis, identifikasi hambatan kinerja, rekomendasi kode, dan saran yang dapat ditindaklanjuti untuk meningkatkan kinerja aplikasi untuk mode penerapan Spark berikut:
+ EMR pada EC2
+ EMR Tanpa Server
+ AWS Glue

Silakan lihat [Fitur dan Kemampuan](spark-troubleshooting-features.md) untuk memahami fitur, kapasitas, dan batasan terperinci.

## Antarmuka yang Didukung
<a name="supported-interfaces"></a>

### Memecahkan Masalah Sel dalam Notebook Amazon SageMaker
<a name="troubleshooting-sagemaker-notebooks"></a>

Demonstrasi pengalaman pemecahan masalah dengan Notebook Amazon. SageMaker Untuk setiap kegagalan sel Notebook, Anda dapat meminta Agen SageMaker Notebook Amazon untuk memecahkan masalah kegagalan untuk meminta analisis diikuti dengan kemungkinan perbaikan kode jika kesalahan dihasilkan dari kode, dengan mengklik tombol`Fix with AI`.

[![AWS Videos](http://img.youtube.com/vi/https://www.youtube.com/embed/btW8hwio0tE/0.jpg)](http://www.youtube.com/watch?v=https://www.youtube.com/embed/btW8hwio0tE)


### Pemecahan Masalah Aplikasi Glue dan EMR Spark dengan Kiro CLI
<a name="troubleshooting-glue-emr-applications"></a>

Mulai Kiro CLI atau Asisten AI Anda dan verifikasi alat yang dimuat untuk proses pemecahan masalah.

```
...
 sagemaker-unified-studio-mcp-code-rec (MCP)
 - spark_code_recommendation    not trusted
 
 sagemaker-unified-studio-mcp-troubleshooting (MCP)
 - analyze_spark_workload       not trusted
...
```

Sekarang Anda siap untuk memulai alur kerja agen pemecahan masalah Spark.

Demonstrasi pengalaman pemecahan masalah dengan Kiro CLI. Anda cukup memulai proses Pemecahan Masalah dengan prompt berikut:

```
Analyze my Glue job. The job name is "xxx" and the job run id is "xxx"
```

[![AWS Videos](http://img.youtube.com/vi/https://www.youtube.com/embed/YLwV_EenJXY/0.jpg)](http://www.youtube.com/watch?v=https://www.youtube.com/embed/YLwV_EenJXY)


### Integrasi Dengan Klien MCP Lainnya
<a name="integration-other-mcp-clients"></a>

Konfigurasi yang dijelaskan dalam juga [Pengaturan untuk Agen Pemecahan Masalah](spark-troubleshooting-agent-setup.md) dapat digunakan di Klien MCP lainnya dan IDEs untuk terhubung ke server MCP Terkelola:
+ **Integrasi Dengan Cline** - Untuk menggunakan MCP Server dengan Cline, memodifikasi `cline_mcp_settings.json` dan menambahkan konfigurasi di atas. Konsultasikan [dokumentasi Cline](https://docs.cline.bot/mcp/configuring-mcp-servers) untuk informasi selengkapnya tentang cara mengelola konfigurasi MCP.
+ **Integrasi Dengan Kode Claude** Untuk menggunakan MCP Server dengan Claude Code, modifikasi file konfigurasi untuk menyertakan konfigurasi MCP. Jalur file bervariasi tergantung pada sistem operasi Anda. Lihat [ https://code.claude.com/docs/en/mcp](https://code.claude.com/docs/en/mcp) untuk pengaturan terperinci.
+ **Integrasi Dengan GitHub Copilot** - Untuk menggunakan server MCP dengan GitHub Copilot, ikuti instruksi di [ https://docs.github.com/en/copilot/how-tos/provide-context/use-mcp/extend- copilot-chat-with-mcp](https://docs.github.com/en/copilot/how-tos/provide-context/use-mcp/extend-copilot-chat-with-mcp) untuk memodifikasi file konfigurasi yang sesuai dan ikuti instruksi per setiap IDE untuk mengaktifkan pengaturan.