Enseigner à votre Agent à Lire un Cluster

Agenda : * 18h-18h30 : Réseautage et nourriture/boissons * 18h30-19h15 : Annonces et présentation * 19h15-19h30 : Questions-réponses et clôture Enseigner à votre Agent à Lire un Cluster Analyse de performance agentique pour OpenSearch, des MCP aux graphiques sources jusqu'à une base de connaissances de l'ensemble du projet La plupart des ingénieurs qui utilisent OpenSearch ne l'opèrent pas. Ils écrivent des requêtes, possèdent un pipeline de recherche ou livrent une fonctionnalité contre un cluster géré par quelqu'un d'autre. Lorsque la performance se dégrade, les preuves existent déjà, se trouvant derrière des APIs, des graphiques de métriques et des journaux qui supposent tous que les développeurs savent déjà lequel lire. Cette session construit un flux de travail d'analyse agentique en trois couches cumulatives, en direct, en utilisant des composants qui sont déjà livrés dans le projet open source OpenSearch. Tout d'abord, le serveur MCP officiel du projet OpenSearch et son dépôt de compétences d'agent. Les développeurs installent un paquet, le dirigent vers un point de terminaison de cluster, ajoutent quelques lignes à leur configuration d'agent et commencent à poser des questions en anglais simple. Il n'y a pas de plugin à construire, pas de compétence à écrire, pas de modèle à affiner, et rien à changer sur le cluster lui-même, donc aucune approbation n'est nécessaire de la part de celui qui le possède. Quel que soit le dispositif que l'équipe utilise déjà, cela reste le dispositif qu'elle utilise. Deuxièmement, le contexte structurel. Des graphiques de connaissances construits sur l'arborescence source la plus récente d'OpenSearch et sa dépendance Apache Lucene, afin que l'agent puisse raisonner sur les raisons pour lesquelles un symptôme se produit au lieu de simplement rapporter qu'il se produit. Troisièmement, des connaissances ancrées au-dessus de tout cela. Les graphiques restent en place, et l'agent obtient également la documentation complète d'OpenSearch et la sémantique de coût de requête Lucene à travers une base de connaissances Bedrock soutenue par un magasin de vecteurs OpenSearch. Les trois couches travaillant ensemble sont ce qui rend l'analyse suffisamment précise pour être fiable sur un cluster en direct ou après un incident. La session se clôt sur la façon de tout emballer dans un flux de travail répétable. L'objectif est l'identification précise des causes profondes sans d'abord devenir un expert des internes d'OpenSearch.