作者：来自 ElasticAnish Mathur 及Evan Castle

Agent Builder 现已正式发布。了解它如何帮助你快速开发上下文驱动的 AI agents。

Agent Builder 现已正式发布。通过 Elastic Cloud Trial 开始使用，并在此查看 Agent Builder 的文档。

---

我们很高兴tgcode宣布 Agent Builder 在 Elastic Cloud Serverless 中正式可用，并将在即将发布的 9.3 版本中推出。Agent Builder 将 Elasticsearch 作为上下文工程平台的能力带入进来，用于快速开发具备上下文感知、以数据为中心的 AI agents。

随着 agents 在提升效率和改善客户体验方面的潜力不断显现，它们正获得越来越多的关注。但在实际应用中，为 agents 提供正确的上下文非常困难，尤其是在处理杂乱、非结构化的企业数据时。开发者需要管理工具、提示词、状态、推理逻辑、模型，并且至关重要的是从业务数据源中检索相关上下文，以交付准确的结果和行动。Elastic Agent Builder 提供了这些核心组件，用于开发安全、可靠、上下文驱动的 agents。

Agent Builder 核心能力

Agent Builder 利用 Elastic 在搜索相关性和检索增强生成方面的长期投入，并致力于将 Elasticsearch 打造成最佳向量数据库，从而简化具备上下文感知、以数据为中心的 AI agents 开发。

Agent Builder 让你可以：

• 立即使用内置的对话式 agent，对 Elasticsearch 中的任意数据进行问答、分析和调查。
• 通过基于配置的开发体验，快速将复杂的非结构化数据转化为自定义 agent。
• 通过内置 ES|QL 或自定义工具，利用业界领先的混合搜索相关性，提升上下文质量和 agent 可靠性。
• 以可复用工具的形式执行复杂工作流（预览），用于丰富数据、更新记录、发送消息等规则驱动的自动化场景。
• 通过工作流和 MCP 连接 Elasticsearch 之外的数据源，为 agent 关联并组合上下文。
• 通过 MCP 暴露的内置和自定义工具，与任何 agent 或应用框架集成，并支持连接外部 MCP（预览）、支持 A2A，以及完整的 API 支持。
• 通过与第三方解决方案集成来扩展 Agent Builder 的能力，例如使用 LlamaIndex 进行复杂文档处理，或使用 Arcade.dev 实现安全、结构化的工具访问。

为了进一步扩展 Agent Builder 的功能，我们推出了 Elastic Workflows，这是一套新的基于规则的自动化能力，目前处于技tgcode术预览阶段。在组织级任务中，agents 有时需要具备规则驱动操作所带来的确定性和可靠性，这通常是实现特定业务逻辑所必需的。Elastic Workflows 为 agents 提供了一种简单、声明式的方式，用于编排内部和外部 system，执行操作，收集并转换数据和上下文。Workflows 具备完全可组合、事件驱动和高度灵活的特性，并且可以通过 MCP 作为工具暴露给 agent 使用。

在几分钟内从数据到 agent

开发 agents 往往需要数周的前期工作，用于整合分散的数据存储、构建手动流水线、调优查询以及管理复杂的编排。Agent Builder 通过消除对独立数据存储、向量数据库、RAG 流水线、搜索层、查询转换器和工具编排器的需求，大幅缩短 agent 的开发时间，让你专注于 agent 逻辑和应用交付。

Agent Builder 原生集成 Elasticsearch 平台原语，使 agent 开发更快速。

• 从内置的对话式 agent 开始，立即与你已索引的数据进行对话和推理。
• 通过 Kibana、API 或 MCP 与 A2A 的交互式访问，将 agents 集成到应用、仪表板或 CI/CD system 中。
• 使用默认工具理解你的数据结构，选择合适的索引，生成优化的混合、语义和结构化查询，并基于自然语言提示使用 ES|QL 创建可配置的可视化。

如需更深入了解，可尝试完整的动手实践指南。

构建在 Elasticsearch 之上，面向上下文工程的完整数据平台

对于 AI agents 来说，上下文质量对于实现有效推理并降低幻觉风险至关重要。对于许多企业级 AI agents，完成任务所需的业务数据是最关键的上下文。作为一个高度可扩展的数据存储、向量数据库以及相关性领域的领导者，Elasticsearch 已经提供了许多强大的上下文工程原语。上下文工程不仅仅是简单的检索增强生成，它允许你定制并扩展数据获取、排序、过滤和呈现给 agents 的方式，从而帮助减少噪声和歧义。

Elasticsearch 提供了一个上下文引擎，结合词汇搜索、向量搜索和结构化过滤，用于检索，从而通过确保模型在相关且精确的上下文上运行，大幅提升 LLM 性能。此能力由 agentic 检索支持，并结合内置工具和搜索逻辑，自动选择正确的索引，并将自然语言转换为优化的查询以提供上下文。

使用 Agent Builder，你可以确保 agents 优先获取最有用的上下文，并通过相关性和排序控制，微调评分、排序和过滤逻辑。Elasticsearch 让你控制什么重要、为什么重要以及如何优先处理，而不是依赖不透明的检索行为。所有这些都基于 Elasticsearch 作为可扩展的数据平台，可在一个平台上存储和扩展所有数据，包括文本、向量、元数据、日志等，从而更容易管理 agents 的上下文。

将复杂工作流作为可复用工具执行

虽然 AI agents 能够为复杂任务提供推理能力，但大量自动化依赖于可靠执行规则驱动的操作，以实施特定业务逻辑。Elastic Workflows 提供了一种简单、声明式的方式，用于编排内部和外部 system 以执行操作、收集上下文或数据，并将其整合为 agents 的一部分。工作流以 YAML 定义，完全可组合，可根据任务需求简化或复杂化。这为 agents 在 Elasticsearch 平台及其解决方案，以及第三方应用程序上高效执行操作提供了途径。

将工作流与 Agent Builder 集成可以通过三步完成（前提：启用工作流，详细信息见此处）

1）使用基于 YAML 的简单编辑器创建并保存新的工作流，该编辑器内置自动补全和测试功能。

2）在 Agent Builder 中创建一个新工具，类型为 “Workflow”，并提供描述以帮助 agent 确定何时使用该 workflow 工具。

3）将 workflow 工具添加到你的自定义 agent 中。

4）就这样！现在 agent 可以在对话中调用该 workflow。

你的 agent，你的规则

Agent Builder 不会将你锁定在单一开发范式中。相反，它旨在支持开放、灵活的 agent 开发方法，让你对数据、相关性、模型、互操作性、安全性和 agent 设计拥有完全控制。

自定义 agent 定义允许你精确选择 agent 可访问的工具、嵌入自定义 system prompt、调整 agent 的指令，并定义安全边界。agents 保持模型无关性，使你可以灵活配置首选的 LLM，无论是原生模型还是整个生态系统中的模型，而无需被锁定在单一提供商。

构建可扩展工具以封装特定领域逻辑（例如特定索引过滤器、ES|QL 联接、分析流水线），并将其约束以在生产中安全使用。完整的 API 支持使其与其他 agentic 框架互操作，并原生支持 Model Context Protocol（MCP）。A2A 集成意味着你可以将 Elastic agents 暴露给其他框架、服务和客户端应用，在整合中复用相同的数据和上下文工程逻辑。

Agent Builder 支持灵活、开放的开发，并设计为能够轻松集成流行的 agent 框架和平台。这些集成对于交付高效 agent 至关重要。正如 Arcade.dev 联合创始人 Sam Partee 所说：

“目前 agentic 系统失败的原因在于将 AI 与工具和数据连接非常复杂。Elastic Agent Builder 与 Arcade.dev 为开发者提供了一种结构化、安全的方式来处理 agent 如何检索上下文、推理和行动，使 agent 从演示走向生产级别。”

Agent Builder 还利用 Elasticsearch 的可扩展性来处理复杂数据。正如 LlamaIndex CEO Jerry Liu 所说：

“从非结构化数据源解锁企业上下文是构建高效 agent 的关键。Elastic Agent Builder 结合 LlamaIndex 的复杂文档处理，强化了关键上下文层，帮助团队检索、处理和准备数据，使 agent 能更准确地推理并提供更好的结果。”

你可以构建什么？

Agent Builder 已经在多种使用场景中应用。以下是一些示例和参考架构，帮助你开始构建 agent：

• 自动化基础设施：在支持场景中，agents 可用于读取、思考和对话，但到目前为止，它们无法直接操作所需管理的基础设施。Elastic 工程团队在一次黑客松中构建了一个用于自动化基础设施管理的 agent。该 agent 能主动调查应用基础设施问题并执行自动化操作。它使用 workflows 优化配置、响应问题tgcode并扩展资源，所有操作都基于对基础设施日志的智能理解。
• 安全威胁分析：使用 Elastic Agent Builder、MCP 和 Elasticsearch 开发了一个安全漏洞 agent。它通过将内部安全数据与外部威胁情报关联，实现威胁分析自动化。agent 对历史事件和配置执行语义搜索，用实时互联网数据增强结果，并应用 LLM 推理评估环境相关性、优先风险并生成可操作的修复方案。参见参考架构。
• 技术客户支持：agents 可以执行多种支持任务，包括案件摘要、问题去重与创建，以及深度技术调查。Agent Builder 通过多步骤混合搜索，找到最相关的问题、解决方案和流程，并制定根因假设和修复计划，从而简化复杂支持系统架构，加快交付速度。
• 产品和内容发现：Agent Builder 简化了为对话体验公开复杂产品目录的过程，同时允许组织保持灵活性，以纳入自身的业务逻辑和需求。
• 自行构建：加入从 2026 年 1 月 22 日至 2 月 27 日举办的 Agent Builder 黑客松。与社区一起构建上下文驱动、多步骤 AI agents，将搜索、workflows、工具和推理结合起来，自动化现实世界任务*

立即开始构建自定义 agents

通过 Elastic Cloud Trial 开始使用，并在此查看文档。对于现有客户，Agent Builder 可在 Cloud Serverless 以及 Elastic Cloud 托管和自管理的 Enterprise Tier 使用。

• 点击此处查看黑客松的完整条款、条件和资格要求

原文：https://www.elastic.co/search-labs/blog/agent-builder-elastic-ga