Elasticsearch를 사용하여 에이전트를 컨텍스트에 맞게 유지
컨텍스트 엔지니어링과 에이전트 AI를 위한 개방형 통합 플랫폼인 Elasticsearch를 사용해 비정형 비즈니스 데이터를 신뢰할 수 있는 컨텍스트로 전환하여 LLM에 활용하세요.
모든 데이터. 컨텍스트를 위한 단일 플랫폼.
Elasticsearch를 사용하여 컨텍스트를 엔지니어링하세요. 정확한 검색 기능을 추가하거나 대화형 AI 스택 전체를 구성하세요. 기본값과 확장 옵션을 사용하여 어디서든 시작하고, 간단한 Q&A부터 정교한 에이전트 워크플로우까지 관련성 여정을 설계하세요.

컨텍스트 엔지니어링용 런치패드
데이터 수명 주기를 위한 견고한 API. 텍스트, 임베딩, 지리 정보, 시계열 데이터, 메타데이터에 대해 인덱싱, 검색, 필터링을 수행하고 역할 기반 접근 제어(RBAC)를 적용하세요.
출처가 명확하고 필드 구문 분석이 가능하도록 문서를 정리하고 레이블을 지정하며 정규화하는 수집 파이프라인을 정의하세요.
POST /_ingest/pipeline { "description": "Clean and enrich documents", "processors": [ { "set": { "field": "source", "value": "access_logs_prod" } }, { "grok": { "field": "message", "patterns": [ "{TIMESTAMP_ISO8601:timestamp} User %{WORD:user} accessed - %{IP:ip}" ] } } ] }
POST /_ingest/pipeline
{
"description": "Clean and enrich documents",
"processors": [
{
"set": {
"field": "source",
"value": "access_logs_prod"
}
},
{
"grok": {
"field": "message",
"patterns": [
"{TIMESTAMP_ISO8601:timestamp} User %{WORD:user} accessed - %{IP:ip}"
]
}
}
]
}
에이전트 구성
단일 스니펫으로 도구, 에이전트 및 채팅 인터페이스를 생성하고 확장하세요.
POST /api/agent_builder/tools
{
"id": "find_client_exposure_to_negative_news",
"type": "esql",
"description": "Finds client portfolio exposure to negative news",
"configuration": { "query": "ES|QL query here" },
"params": { "time_duration": { "type": "keyword" } }
}
동급 최고입니까? 바로 내장되어 있습니다
모든 주요 AI 제품에 기본 통합되어 앱이 더 멀리, 더 빠르게 나아가도록 지원합니다.

자주 묻는 질문
에이전트는 워크플로우 전반에 걸쳐 장기적인 컨텍스트, 상태 및 메모리를 유지관리하는 데 어려움을 겪습니다. 컨텍스트는 시간이 지나도 일관성과 인식을 유지하게 합니다. 컨텍스트가 없으면 아무리 강력한 모델이라도 중요한 사항을 놓쳐 격차, 환각 또는 오해로 이어질 수 있습니다. 컨텍스트 엔지니어링은 모든 응답이 정확하고 관련성 있으며 시기적절한 정보에 기반하도록 합니다.
Elasticsearch는 대규모 확장 환경에서도 관련성을 유지하도록 설계되어 있으며, 이는 컨텍스트 엔지니어링의 기반이 됩니다. 이 플랫폼은 벡터, 키워드, 그리고 정형 데이터 검색을 분석, 추론 및 가시성과 함께 단일 플랫폼으로 통합합니다. 이를 통해 개발자는 정형화 및 비정형화 비즈니스 데이터를 정밀하게 저장, 검색 및 순위화할 수 있으며, 그 결과 에이전트는 항상 정확한 컨텍스트를 제공할 수 있습니다.
Elasticsearch는 Agent Builder를 통해 채팅, 검색, 도구 생성 및 오케스트레이션 기능을 플랫폼 내부로 직접 통합하여 기능을 확장합니다. 개발자는 자체 데이터, 모델 및 도구를 활용하여 몇 분 만에 컨텍스트 중심의 에이전트를 구축하고 테스트 및 확장할 수 있습니다. 이 모든 과정은 Elasticsearch의 관련성과 보안성 그리고 성능으로 지원됩니다.
예. 개방형 추론 API와 LangChain, LlamaIndex, 모델 컨텍스트 프로토콜(MCP)과의 통합을 통해 자체 모델을 가져와 Elasticsearch에서 에이전트 빌더 워크플로우를 직접 확장할 수 있습니다.