Ucząc swojego Agenta czytać Klaster

Agenda: * 18:00-18:30: Networking i jedzenie/napoje * 18:30-19:15: Ogłoszenia i prezentacja * 19:15-19:30: Pytania i odpowiedzi oraz zakończenie Ucząc swojego Agenta czytać Klaster Analiza wydajności agentów dla OpenSearch, od MCP do grafów źródłowych do bazy wiedzy całego projektu Większość inżynierów korzystających z OpenSearch nie obsługuje go. Piszą zapytania, zarządzają potokiem wyszukiwania lub wysyłają funkcję w klastrze, którym zarządza ktoś inny. Gdy wydajność się pogarsza, dowody już istnieją, znajdując się za API, wykresami metryk i logami, które zakładają, że deweloperzy już wiedzą, które z nich odczytać. Ta sesja buduje agentyczny workflow analizy w trzech kumulatywnych warstwach, na żywo, wykorzystując komponenty, które już działają w otwartym projekcie OpenSearch. Po pierwsze, oficjalny serwer MCP projektu OpenSearch i jego repozytorium umiejętności agenta. Deweloperzy instalują jeden pakiet, skierowują go na punkt końcowy klastra, dodają kilka linii do konfiguracji swojego agenta i zaczynają zadawać pytania w prostym języku angielskim. Nie ma potrzeby budować wtyczek, pisać umiejętności, dostrajać modelu ani zmieniać czegokolwiek w samym klastrze, więc nie jest wymagane zatwierdzenie od kogokolwiek, kto tym zarządza. Cokolwiek, co zespół już używa, pozostaje takim, jakim jest. Po drugie, kontekst strukturalny. Grafy wiedzy zbudowane z najnowszego drzewa źródłowego OpenSearch i jego zależności Apache Lucene, dzięki czemu agent może rozumieć, dlaczego objaw występuje, a nie tylko zgłaszać, że występuje. Po trzecie, ugruntowana wiedza na obu skrajach. Grafy pozostają na miejscu, a agent otrzymuje również pełną dokumentację OpenSearch i semantykę kosztów zapytań Lucene poprzez bazę wiedzy Bedrock wspierającą przez wektorową bazę danych OpenSearch. Wszystkie trzy warstwy współpracujące razem to to, co sprawia, że analiza jest wystarczająco dokładna, by jej ufać na żywym klastrze lub po incydencie. Sesja kończy się omówieniem, jak spakować to wszystko w powtarzalny workflow. Celem jest dokładna identyfikacja przyczyny źródłowej bez konieczności zostawania ekspertem w dziedzinie wewnętrznych mechanizmów OpenSearch.