Moteur de contexte Elastic

Un contexte complet et toujours à jour

Elastic Context Engine* se connecte à toutes les sources de données d'entreprise pour créer des agents précis : synchronisez le contexte à chaque interaction ou selon un calendrier défini, effectuez des pré-calculs pour accélérer la recherche dans plusieurs sources et améliorez continuellement la précision.

En savoir plus
Demander un accès

* Expérimental

Lisez notre blog pour découvrir comment sélectionner et gérer le contexte en continu.

Lire l'article

Consultez notre documentation pour en savoir plus sur Context Engine et débuter.

Voir la documentation

Que fait un moteur de contexte pour les agents ?

Pré-calculer le contexte pour réduire le nombre de jetons d’entrée, diminuer la latence, et améliorer la qualité des réponses. L’utilisation de Context Engine par les agents du support technique a permis de réduire les coûts de 55 % et la latence de 40 %.

RAG de référence
Avec Context Engine (*Source)
Précision
0,625
→0,917 +29 %
Tokens en entrée (96 prompts au total)
174,8 M
→42,6 M −75 %
Score F1
0,561
→0,827 +26 %
Précision
Tokens en entrée (96 prompts au total)
Score F1
RAG de référence
Avec Context Engine (*Source)
0,625
→0,917 +29 %
174,8 M
→42,6 M −75 %
0,561
→0,827 +26 %

AVANTAGES

Rendez n’importe quel agent efficace

Veillez à ce que le contexte de vos agents soit constamment complet, à jour, efficace, et mesurable.

  • Un contexte complet qui ne devient jamais obsolète

    Maintenez le contexte à jour en récupérant les données des sources en temps réel selon les besoins. Créez un contexte complet en cartographiant les sources de contexte en amont grâce à un large éventail de connecteurs externes.

  • La précision des agents augmente de manière cumulative

    Améliorez la précision à chaque boucle, à mesure que les traces de l’agent sont réintégrées dans la même couche de récupération que celle que l’agent interroge déjà pour obtenir du contexte, ce qui améliore continuellement la précision à chaque session de l’agent.

  • Réduisez la consommation de tokens à chaque interaction

    Réduisez le nombre de tokens par requête grâce aux Knowledge Indicators, qui transforment en amont les schémas, la sémantique des champs et les modèles de requêtes de chaque source en métadonnées structurées. Cette approche optimise la découverte et la pertinence des résultats. Ainsi, lors de chaque requête, les agents accèdent uniquement aux informations précises dont ils ont besoin, plutôt qu'à de longs blocs de texte.

  • Compatible avec tous les environnements d'exécution d'agents

    Ancrez vos agents dans l'ensemble du contexte de votre organisation. Accédez à ce contexte depuis n'importe quel environnement d'exécution d'agents, modèle, framework ou protocole que vous utilisez déjà pour vos développements.

Fonctionnement

Connectez vos données d'entreprise, utilisez Elastic Workflows pour en extraire des Knowledge Indicators structurés et mettez ce contexte à la disposition de tous vos agents.

Connecter

Donnez à vos agents accès au contexte issu des index Elasticsearch, de sources de données externes via les connecteurs Kibana ou de requêtes ES|QL.

Assembler

Créez des automatisations qui génèrent des Knowledge Indicators pour extraire la sémantique des données, les descriptions, les relations et les informations factuelles, puis les stocker dans un index d'IA.

Récupérer

Exploitez ES|QL composable pour récupérer le contexte le plus pertinent au moment de l’inférence.

Observe et améliorez

Utilisez les évaluations et les traces pour suivre les réponses des agents et améliorer le contexte.

Intégrer

Fournissez du contexte aux agents internes et tiers grâce à des plugins permettant d'intégrer différents environnements d'exécution d'agents, notamment Claude Code, Codex, LangChain Deep Agents, les agents gérés par Claude, AWS AgentCore, Gemini Agent Platform et bien d'autres.

Architecture

Des automatisations extraient en amont les Knowledge Indicators et les stockent dans un index d'IA. Ainsi, n'importe quel agent peut récupérer le contexte pertinent à l'aide d'une simple requête ES|QL.

Types de contexte

Créez différents types de Knowledge Indicators à partir de données brutes.

Métadonnées sémantiques issues des sources

Établissez des profils des sources de données, avec des descriptions de leur objectif, de leurs champs, de la distribution et des caractéristiques des données, afin d’indiquer comment les interroger et quand les utiliser.

Entités et relations issues de documents

Extrayez des entités telles que des comptes, des contacts, des projets, des objectifs métier, des systèmes, et des services, et stockez-les avec leurs relations sémantiques afin de guider le raisonnement de l’agent.

Faits et résumés de documents

Résumez les documents volumineux et complexes et extrayez-en les faits essentiels afin de réduire les lectures de documents coûteuses.

Mémoire de l’agent issue des interactions

Consignez les informations en mémoire pour accélérer les réponses et enrichir les connaissances de chaque agent au fil du temps.

CAS D'UTILISATION

Cas d'utilisation des agents

Cartographiez, effectuez des pré-calculs et identifiez les relations.

  • Agents d’analyse des opérations

    Créez la carte de contexte qui permet aux agents de parcourir plusieurs sources de logs et d’événements afin de repérer les lacunes et les défaillances et de diagnostiquer les problèmes de manière fiable.

  • Agents de base de connaissances

    Pré-calculez des faits qui aident les agents à répondre rapidement aux questions courantes, même lorsque les données et les types de questions évoluent.

  • Agents d’investigation

    Identifiez les relations au sein des données qui aboutissent à des résultats et à des informations peu évidents, susceptibles de permettre la généralisation de solutions et la découverte de nouvelles opportunités.

INTÉGRATIONS

Le meilleur de sa catégorie ? Intégré

Intégrez-vous aux frameworks d’agents et aux applications les plus populaires.

RESSOURCES POUR DÉMARRER

Passez aux étapes suivantes

En savoir plus grâce à des guides pas à pas, des démonstrations, et de la documentation.

Questions fréquentes

Qu'est-ce qu'un moteur de contexte ?

Un moteur de contexte fait partie de l’architecture d’un agent. Il recueille et construit le contexte à partir de données spécifiques à l’entreprise et d’interactions afin de rendre l’agent plus efficient et plus efficace.

Quelle est la différence entre un moteur de contexte, une base de données vectorielle et un système de stockage de mémoire ?

Un moteur de contexte s'appuie sur des bases de données vectorielles et des systèmes de stockage de mémoire. Une base de données vectorielle permet de stocker et de récupérer le contexte, tandis qu'un système de stockage de mémoire capture directement le contexte des interactions avec les agents. Le moteur de contexte détermine les informations à stocker dans ces systèmes, la manière de les structurer, de les maintenir à jour, de les gouverner et de les sécuriser, ainsi que les outils permettant de les rendre accessibles pour leur récupération.

J’ai déjà un catalogue de données. Pourquoi ai-je besoin d’un moteur de contexte ?

Les catalogues de données décrivent les données, mais reposent sur des informations statiques qui nécessitent des mises à jour manuelles. À mesure que les données évoluent, que les cas d'utilisation des agents se multiplient et que les comportements des utilisateurs et les prompts changent, ces catalogues deviennent rapidement obsolètes. En outre, ils offrent généralement peu de visibilité sur le contenu même des données. Ils peuvent en décrire la structure et le schéma, mais pas les entités, les anomalies ou les tendances dont l'identification nécessite des fonctionnalités de recherche et de récupération d'informations.

Qu'est-ce qu'un indicateur de connaissances ?

Un indicateur de connaissances est une unité de contexte. Il peut s’agir de tout élément de contexte pouvant être utile aux agents, y compris des descriptions d’index et de sources de données, des entités extraites, des faits tirés de documents, etc.

Que contient un index d'IA ?

Un index d’IA stocke des indicateurs de connaissances issus de sources de données et des mémoires issues des interactions avec les agents et des traces.

Comment la sécurité et les autorisations sont-elles appliquées ?

Les index d'IA peuvent être gérés et soumis à des autorisations comme les autres index Elasticsearch, grâce à un contrôle d'accès complet basé sur les rôles. Les workflows et les agents peuvent être exécutés avec les droits d'un utilisateur afin de restreindre et d'auditer les accès. Context Engine enregistre également la provenance de chaque Knowledge Indicator généré pour faciliter la gestion des accès.

Comment Context Engine est-il facturé ?

Context Engine ne fait actuellement l'objet d'aucune tarification distincte pendant sa phase de préversion privée. Les tarifs seront annoncés ultérieurement.