Ensinando seu Agente a Ler um Cluster

Agenda: * 18h-18h30: Networking e comida/bebidas * 18h30-19h15: Anúncios e apresentação * 19h15-19h30: Perguntas e respostas e encerramento Ensinando seu Agente a Ler um Cluster Análise de desempenho agente para OpenSearch, do MCP aos gráficos de origem a uma base de conhecimento de todo o projeto A maioria dos engenheiros que usam o OpenSearch não o operam. Eles escrevem consultas, possuem um pipeline de busca ou enviam um recurso contra um cluster que alguém mais controla. Quando o desempenho se degrada, as evidências já existem, sentadas atrás de APIs, gráficos de métricas e logs que assumem que os desenvolvedores já sabem qual deles ler. Esta sessão constrói um fluxo de trabalho de análise agente em três camadas cumulativas, ao vivo, usando componentes que já estão disponíveis no projeto OpenSearch de código aberto. Primeiro, o servidor MCP oficial do projeto OpenSearch e seu repositório de habilidades de agentes. Os desenvolvedores instalam um pacote, apontam para um endpoint de cluster, adicionam algumas linhas à configuração do agente e começam a fazer perguntas em inglês simples. Não há plugin para criar, nenhuma habilidade para escrever, nenhum modelo para ajustar, e nada a mudar no próprio cluster, portanto, nenhuma aprovação é necessária de quem quer que o possua. Qualquer estrutura que uma equipe já usa permanece a mesma que eles usam. Em segundo lugar, contexto estrutural. Gráficos de conhecimento construídos sobre a árvore de origem mais recente do OpenSearch e sua dependência Apache Lucene, para que o agente possa raciocinar sobre por que um sintoma ocorre em vez de apenas relatar que ele ocorre. Terceiro, conhecimento fundamentado sobre ambos. Os gráficos permanecem no lugar e o agente também obtém toda a documentação do OpenSearch e a semântica de custo de consulta do Lucene através de uma base de conhecimento Bedrock apoiada por um armazenamento vetorial OpenSearch. Todas as três camadas trabalhando juntas são o que torna a análise precisa o suficiente para confiar em um cluster ao vivo ou após um incidente. A sessão encerra com como embalar tudo isso em um fluxo de trabalho repetível. O objetivo é a identificação precisa da causa raiz sem primeiro se tornar um especialista interno em OpenSearch.