Wat is er gebeurd
AWS zegt dat de Amazon OpenSearch Service nu MCP Apps ondersteunt, een uitbreiding van het Model Context Protocol waarmee AI-agenten naast tekstreacties interactieve traceerwatervallen, servicekaarten, logweergaven en andere observatievisualisaties kunnen retourneren. De mogelijkheid maakt gebruik van een lokale MCP-server om een compatibele IDE- of AI-client te verbinden met een OpenSearch UI-applicatie en verbonden gegevensbronnen.
In een AWS-blogpost van 25 augustus 2026 beschrijft Amazon Web Services MCP Apps voor Amazon OpenSearch Service als een manier om wat zij het verificatiegat in agentische waarneembaarheid noemt, te dichten. Onder de huidige workflow beschreven door AWS kan een observatieagent waarschuwingen, logboeken, traceringen en statistieken opvragen en een hoofdoorzaakhypothese opstellen, maar de ingenieur moet de agentinterface verlaten, een browsergebaseerd dashboard openen, zoekopdrachten herhalen en het dashboard vergelijken met de tekst van de agent. AWS zegt dat MCP Apps een tweede responskanaal toevoegen, zodat een tooloproep zowel een gestructureerde tekstsamenvatting voor de agent als een interactieve visualisatie voor de menselijke recensent retourneert.
De voorgestelde architectuur maakt gebruik van een lokale MCP-server die op de machine van de ingenieur draait. Volgens AWS ontvangt de server een tooloproep van een IDE- of AI-client, authenticeert met geconfigureerde AWS-referenties, stuurt het verzoek door naar een OpenSearch UI-applicatie en retourneert een gecombineerd antwoord. OpenSearch UI kan verbinding maken met Amazon OpenSearch Service-domeinen, serverloze collecties en Amazon Managed Service voor Prometheus. AWS zegt dat de gegevens van de organisatie in het AWS-account blijven en dat de lokale server fungeert als brug tussen de agentische client en de OpenSearch UI-applicatie.
De voorbeelden in de bron bestrijken verschillende stadia van een incidentonderzoek. Een agent kan beginnen met waarschuwingen, zoek- en clustergerelateerde logboekgegevens zoeken, een gedistribueerde tracering lokaliseren, de span-timing inspecteren, statistieken opvragen met PromQL en een serviceafhankelijkheidskaart weergeven. Voor een traceeronderzoek zegt AWS dat het tekstantwoord de trace-ID, de duur, het aantal bereiken, het kritieke pad en de vermoedelijke oorsprong van de fout kan bevatten, terwijl het visuele antwoord de spanhiërarchie, timing en foutannotaties toont. AWS beschrijft ook tools voor het monitoren van AI- en agenttraceringen, clustergezondheid en telemetriekwaliteit. De installatie vereist een OpenSearch UI-applicatie met een Observability-werkruimte, Node.js 22 of hoger, geconfigureerde AWS-inloggegevens met es:ESHttpGet- en es:ESHttpPost-machtigingen, en een compatibele client zoals Claude Desktop, VS Code GitHub Copilot, Goose, ChatGPT of Cursor.
Brongegevens: aws.amazon.com ↗
Waarom het ertoe doet
Het product richt zich op een praktische zwakte in de door agenten ondersteunde incidentrespons: ingenieurs moeten nog steeds de agentinterface verlaten en de conclusies van de agent handmatig verifiëren in een afzonderlijk observatiedashboard. Inline visueel bewijs zou het wisselen van context kunnen verminderen en menselijke beoordeling gemakkelijker kunnen maken, hoewel AWS geen onafhankelijke gegevens biedt die aantonen hoeveel oplossingstijd verbetert.
De centrale verandering is niet dat een AI-agent observatiegegevens kan opvragen; De eigen beschrijving van AWS gaat ervan uit dat de mogelijkheid al bestaat. De verandering is dat het onderzoek van de agent en de verificatie van de mens in één gesprek kunnen plaatsvinden. Dat is van belang omdat de reactie op incidenten afhangt van het controleren van bewijsmateriaal, en niet alleen van het accepteren van een gegenereerde verklaring. Een inline traceerwaterval of servicekaart geeft de ingenieur een direct zicht op de opgevraagde telemetrie, terwijl de tekstuele redenering van de agent in dezelfde thread behouden blijft.
AWS presenteert de visualisaties als deterministisch omdat de OpenSearch MCP App ze genereert door code uit te voeren op de onderliggende gegevensbronnen die worden gebruikt door OpenSearch-dashboards. Dit zou een belangrijk risico bij door agenten ondersteunde operaties kunnen verminderen: de schriftelijke samenvatting van de agent kan bewijsmateriaal dat zichtbaar is in de onderliggende telemetrie weglaten, verkeerd lezen of verkeerd prioriteren. De bron stelt echter niet vast dat deterministische weergave het algehele onderzoek accuraat maakt. Het ondersteunt alleen de engere bewering dat de visualisatie wordt gegenereerd op basis van de opgevraagde gegevens in plaats van een puur vrije-vormbeschrijving te zijn die door het taalmodel wordt geproduceerd.
Voor organisaties die al lokale of zelfbeheerde agentische workflows gebruiken, kan de functie een praktische middenweg bieden tussen autonome query's en menselijk toezicht. Ingenieurs kunnen een agent vragen het bewijsmateriaal te onderzoeken en vervolgens te inspecteren zonder van gereedschap te wisselen of de vraag te herhalen. Dat zou de bruikbaarheid tijdens wachtdiensten kunnen verbeteren en het gemakkelijker kunnen maken om te identificeren wanneer de hypothese van een agent niet wordt ondersteund. De publieke impact is vooral operationeel: minder interfacewijzigingen kunnen ervoor zorgen dat AI-ondersteunde incidentrespons gemakkelijker toepasbaar wordt. AWS biedt geen , klantresultaten, foutenanalyse of onafhankelijke beoordeling waaruit blijkt dat de functie daadwerkelijk de oplossingstijd verkort of incidenten voorkomt.
Interactief mechanisme: hoe het eigenlijk werkt
Ontdek interactief de onderliggende technologie achter deze ontwikkeling.
An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Wat je nu moet bekijken
De belangrijke vragen zijn of de MCP-apps betrouwbaar werken op ondersteunde clients, hoeveel installatie- en IAM-beheer ze vereisen, en of de visualisaties betrouwbaar blijven onder onvolledige of misleidende telemetrie. AWS specificeert ook geen prijzen, regionale beschikbaarheid, servicelimieten of onafhankelijke evaluaties van de geclaimde prestatievoordelen.
Het eerste waar u op moet letten is de werkelijke betrouwbaarheid van de ondersteunde clients. MCP-apps zijn afhankelijk van de samenwerking tussen de lokale MCP-server, de IDE- of AI-host, OpenSearch UI, AWS-authenticatie en de verbonden telemetriesystemen. De bron geeft installatie-instructies, maar beschrijft geen compatibiliteitsverschillen tussen Claude Desktop, VS Code GitHub Copilot, Goose, ChatGPT en Cursor. Er wordt ook niet uitgelegd hoe visualisaties zich gedragen wanneer een client de toegevoegde responslading niet kan weergeven, wanneer inloggegevens verlopen of wanneer de onderliggende gegevensbron niet beschikbaar is.
Veiligheid en bestuur zullen ook van belang zijn. AWS zegt dat de MCP-server lokaal draait, dat de inloggegevens en het beleid onder de controle van de klant blijven en dat er geen cloudbronnen worden geleverd door de installatie. Deze verklaringen beschrijven de architectuur, niet een volledige beveiligingsevaluatie. De bron specificeert geen mechanismen voor identificatie-isolatie, auditregistratie, netwerkcontroles, gegevensretentie, verdediging tegen prompte injectie of bescherming tegen een agent die observatietools gebruikt die buiten het beoogde bereik vallen. Teams die productiegebruik overwegen, hebben deze details nodig voordat ze inline bewijsmateriaal als voldoende operationele controle kunnen behandelen.
Ten slotte hebben klanten behoefte aan duidelijkere informatie over beschikbaarheid en kosten. AWS vermeldt niet of MCP-apps algemeen beschikbaar zijn overal waar de Amazon OpenSearch Service of OpenSearch UI wordt aangeboden, of er extra kosten van toepassing zijn, of dat voor bepaalde visualisatie- en onderzoekstools quota's of functiebeperkingen gelden. Het blijft ook onbekend hoe goed de aanpak omgaat met onvolledige telemetrie, gegevens met hoge kardinaliteit, luidruchtige waarschuwingen of een hypothese over de hoofdoorzaak die ondanks een nauwkeurige visualisatie verkeerd is. Het volgende betekenisvolle bewijsmateriaal zou bestaan uit gedocumenteerde servicelimieten, beveiligingsrichtlijnen, onafhankelijke tests en klantresultaten waarbij door agenten ondersteunde onderzoeken worden vergeleken met bestaande werkstromen op afroep.