Elastic Agent Builder упрощает контекст ИИ
При поддержке Elastic
Поскольку компании спешат внедрять решения на базе автономных ИИ-агентов, ключевым фактором станет доступ к конфиденциальным данным из самых разных источников
К настоящему моменту большинство организаций уже слышали об автономном ИИ (agentic AI) — системах, которые «мыслят», самостоятельно собирая инструменты, данные и другие источники информации для формирования ответа. Но в этом и заключается загвоздка: надежность и релевантность зависят от предоставления точного контекста. В большинстве предприятий этот контекст разбросан по различным неструктурированным источникам данных, включая документы, электронную почту, бизнес-приложения и отзывы клиентов.
По словам Кена Экзнера (Ken Exner), директора по продуктам в компании Elastic, в преддверии 2026 года решение этой задачи станет ключевым условием для ускорения внедрения автономного ИИ по всему миру.
«Люди начинают понимать, что для правильной работы автономного ИИ необходимы релевантные данные, — говорит Экзнер. — Релевантность имеет критически важное значение в контексте автономного ИИ, поскольку этот искусственный интеллект действует от вашего имени. Когда люди сталкиваются с трудностями при создании ИИ-приложений, я могу почти с полной уверенностью сказать, что проблема заключается в релевантности». ИИ-агент
Агенты повсюду
Эти трудности могут вступить в решающую фазу, поскольку компании борются за конкурентное преимущество или стремятся повысить эффективность. Исследование Deloitte прогнозирует, что к 2026 году более 60% крупных предприятий внедрят автономный ИИ в широких масштабах, что ознаменует собой переход от экспериментальной фазы к массовому внедрению. А исследовательская компания Gartner прогнозирует, что к концу 2026 года 40% всех корпоративных приложений будут включать специализированные агенты для выполнения конкретных задач (по сравнению с менее чем 5% в 2025 году). Добавление возможностей специализации задач превращает ИИ-ассистентов в контекстно-зависимых ИИ-агентов.
Эпоха контекстной инженерии
Процесс доставки нужного контекста агентам в подходящий момент времени известен как контекстная инженерия. Она не только гарантирует, что приложение на базе агентов имеет данные, необходимые для предоставления точных и глубоких ответов, но и помогает большой языковой модели (LLM) понять, какие инструменты ей нужны для поиска и использования этих данных, а также как вызывать эти API.
Хотя в настоящее время существуют такие стандарты с открытым исходным кодом, как протокол контекста модели (Model Context Protocol, MCP), которые позволяют LLM подключаться к внешним данным и обмениваться с ними информацией, существует немного платформ, позволяющих организациям создавать точные ИИ-агенты, использующие ваши данные и объединяющие поиск, управление и оркестрацию в едином месте нативно.
Elasticsearch всегда была ведущей платформой для реализации основы контекстной инженерии. Недавно в Elasticsearch была выпущена новая функция под названием Agent Builder, которая упрощает весь операционный жизненный цикл агентов: разработку, настройку, выполнение, кастомизацию и наблюдаемость.
Agent Builder помогает создавать инструменты MCP на основе закрытых данных с использованием различных методов, включая Elasticsearch Query Language (конвейерный язык запросов для фильтрации, преобразования и анализа данных) или моделирование рабочих процессов. Затем пользователи могут брать различные инструменты и объединять их с промптами и LLM для создания агента.
Agent Builder предлагает настраиваемый готовый разговорный агент, который позволяет общаться с данными в индексе, а также дает пользователям возможность создавать его с нуля, используя различные инструменты и подсказки поверх конфиденциальных данных.
«Данные — это центр нашего мира в компании Elastic. Мы стараемся сделать так, чтобы у вас были инструменты, необходимые для того, как заставить эти данные работать», — поясняет Экзнер. — Как только вы открываете Agent Builder, вы указываете его на индекс в Elasticsearch и можете начать общение с любыми данными, к которым вы его подключите, с любыми данными, проиндексированными в Elasticsearch, или из внешних источников с помощью интеграций». ИИ-агентов
Контекстная инженерия как дисциплина
Промпт-инженерия и контекстная инженерия становятся самостоятельной дисциплиной. Для этого не обязательно иметь диплом в области компьютерных наук, но со временем появится больше учебных курсов и лучших практик, поскольку в этом деле есть свой элемент искусства.
«Мы хотим сделать этот процесс очень простым, — говорит Экзнер. — То, с чем людям придется разобраться, — это как управлять автоматизацией с помощью искусственного интеллекта? Именно это будет стимулировать производительность. Люди, которые сосредоточатся на этом, увидят больший успех». ИИ-агентами
Помимо этого, появятся и другие паттерны контекстной инженерии. Индустрия прошла путь от промпт-инженерии до генерации с дополненным поиском (RAG), когда информация передается в LLM в контекстном окне, и до решений MCP, которые помогают LLM в выборе инструментов. Но на этом все не остановится.
«Учитывая то, как быстро все движется, я могу гарантировать, что новые паттерны будут появляться довольно быстро», — говорит Экзнер. — Контекстная инженерия никуда не денется, но появятся новые паттерны для обмена данными с LLM, для обеспечения их привязки к нужной информации. И я предсказываю появление новых паттернов, которые позволят LLM понимать конфиденциальные данные, на которых она не проходила обучение».
Инструмент Agent Builder уже доступен в качестве технического превью. Начните работу с пробной версией Elastic Cloud и ознакомьтесь с документацией по Agent Builder здесь.
Спонсорские статьи — это контент, созданный компанией, которая либо платит за публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко маркируются. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com.
