Jouw Agent Leren een Cluster te Lezen

Agenda: * 18:00-18:30: Netwerken en eten/drinken * 18:30-19:15: Aankondigingen en presentatie * 19:15-19:30: Vragen & Antwoorden en afsluiting Jouw Agent Leren een Cluster te Lezen Agentieve prestatieanalyse voor OpenSearch, van MCP tot bron grafieken tot een kennisbasis van het hele project De meeste ingenieurs die OpenSearch gebruiken, bedienen het niet. Ze schrijven zoekopdrachten, bezitten een zoekpijplijn of leveren een functie gegenereerd door een cluster dat iemand anders beheert. Wanneer de prestaties verslechteren, bestaat het bewijs al, verborgen achter API's, metrische grafieken en logs die allemaal aannemen dat ontwikkelaars al weten welke ze moeten lezen. Deze sessie bouwt een agentieve analyseworkflow in drie cumulatieve lagen, live, met behulp van componenten die al geleverd worden in het OpenSearch open source project. Ten eerste, de officiële MCP-server van het OpenSearch-project en zijn agentskills-repository. Ontwikkelaars installeren één pakket, wijzen het aan een cluster-eindpunt, voegen een paar regels toe aan hun agentconfiguratie en beginnen vragen te stellen in begrijpelijk Engels. Er is geen plug-in om te bouwen, geen skill om te schrijven, geen model om af te stemmen, en niets dat op de cluster zelf moet worden veranderd, dus er is geen goedkeuring nodig van degene die het bezit. Wat voor harnas een team al gebruikt, blijft het harnas dat ze gebruiken. Ten tweede, de structurele context. Kennisgrafieken opgebouwd over de laatste OpenSearch-bronboom en zijn Apache Lucene-afhankelijkheid, zodat de agent kan redeneren over waarom een symptoom optreedt in plaats van alleen te rapporteren dat het dat doet. Ten derde, gegronde kennis bovenop beiden. De grafieken blijven op hun plek, en de agent krijgt ook de volledige OpenSearch-documentatie en Lucene-querykostensemantiek via een Bedrock-kennisbasis ondersteund door een OpenSearch-vectoropslag. Alledrie de lagen die samenwerken, maken de analyse nauwkeurig genoeg om op een live cluster of na een incident te vertrouwen. De sessie sluit af met hoe je dit alles in een herhaalbare workflow kunt verpakken. Het doel is een nauwkeurige oorzaakidentificatie zonder eerst een OpenSearch-internals expert te worden.