Das auf Elasticsearch basierende Funktionspaket Agent Builder vereinfacht die Erstellung maßgeschneiderter KI-Agenten mit Zugriff auf Unternehmensdaten. Zudem bietet der Agent Builder eine sofort nutzbare, dialogbasierte Benutzeroberfläche, um beliebige Daten in Elasticsearch zu durchsuchen, zu analysieren und zu optimieren.
Da KI-Agenten zunehmend besser darin werden, komplexe und datengetriebene Aufgaben in Unternehmen zu übernehmen, hängen deren Verlässlichkeit und Genauigkeit maßgeblich vom richtigen Kontext ab. In vielen Organisationen verteilt sich dieser Kontext über unterschiedliche, unstrukturierte Datenquellen – etwa Dokumente, E-Mails, Business-Anwendungen und Kundenfeedback.
Der Prozess, relevanten Kontext zur richtigen Zeit in Agenten einzuspeisen, heißt Context Engineering. Elasticsearch ist hierfür schon lange eine führende Plattform. Agent Builder baut diese Stärke deutlich aus: Er vereinfacht den gesamten operativen Lebenszyklus von Agenten – von Entwicklung und Konfiguration über Ausführung und Anpassung bis hin zur Observability – direkt innerhalb von Elasticsearch.
Mit Agent Builder erhalten Entwicklerinnen und Entwickler integrierte Funktionen, die über einfache Abfragen von MCP-Endpunkten (Model Context Protocol) hinausgehen. Nutzer des Agent Builder von Elasticsearch können in natürlicher Sprache Fragen stellen, die passenden Indizes bestimmen, Suchen konfigurieren, Agentenparameter definieren und mehr.
Mit Agent Builder können Entwicklerinnen und Entwickler:
- Sofort mit Unternehmensdaten chatten: Agent Builder enthält einen nativen, integrierten Konversationsagenten. Direkt einsatzbereit lassen sich Fragen stellen und mit allen in Elasticsearch vorliegenden Daten interagieren – die Daten werden zum aktiven, dialogfähigen Partner.
- Intelligente integrierte Relevanz-Werkzeuge nutzen: Agent Builder bietet eine Reihe eingebauter Tools, darunter eine leistungsfähige Suche, die den richtigen Index wählt, die Datenstruktur versteht, natürliche Sprache in optimierte semantische, hybride oder strukturierte Abfragen übersetzt und dem Large Language Model (LLM) nur den relevantesten Kontext bereitstellt.
- Leistungsfähige Custom-Tools bauen: Werkzeuge definieren, die dem Agenten neue Fähigkeiten verleihen – mit der vollen Leistungsfähigkeit der Elasticsearch Query Language (ES|QL), um präzise zu steuern, welche Daten als Kontext genutzt werden. So behalten Teams volle Kontrolle über Relevanz, Genauigkeit und Sicherheit der Agentenantworten.
- Eigene, maßgeschneiderte Agenten definieren: Eigene Agenten von Grund auf erstellen – über die eingebauten Optionen hinaus. Die komplette Persona wird über einen individuellen System Prompt festgelegt; zusätzlich lässt sich genau steuern, auf welche Tools der Agent zugreifen darf und welches Sicherheitsprofil er nutzt.
- Sicher mit MCP und A2A integrieren: Externe Agenten und Anwendungen über MCP und A2A anbinden und gleichzeitig Governance über die Elasticsearch-Ausführungsschicht sicherstellen.