从手动到智能：用 Kiro CLI + OpenSearch MCP 让每个人都成为 OpenSearch 专家 | 亚马逊AWS官方博客¶

Ch11.036 从手动到智能：用 Kiro CLI + OpenSearch MCP 让每个人都成为 OpenSearch 专家 | 亚马逊AWS官方博客¶

📊 Level ⭐⭐ | 14.4KB | entities/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert.md

概述¶

从手动到智能：用 Kiro CLI + OpenSearch MCP 让每个人都成为 OpenSearch 专家 by awschina on 12 1月 2026 in Artificial Intelligence Permalink Share 1. 背景介绍随着云原生技术和分布式搜索引擎的广泛应用，OpenSearch 已成为企业构建搜索和分析解决方案的重要选择。然而，OpenSearch 的使用往往面临着诸多挑战：在运维层面，复杂的集群配置、繁琐的索引管理、性能调优的专业门槛，以及故障排查时需要深厚的技术积累，使得许多运维人员在日常工作中感到力不从心，难以快速响应业务需求。在应用层面，从海量数据中提取有价值的信息、优化搜索性能、调整向量检索参数等任务，同样需要深入理解 OpenSearch 的查询语法和底层机制，这对开发人员和数据分析师来说也是不小的挑战。为了降低 Op

核心技术¶

Kiro CLI、Kiro IDE、Kiro MCP Skills、Amazon Bedrock ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

来源¶

AWS China Blog 原文

深度分析¶

1. 技术架构的本质：MCP 协议作为"通用适配器"的核心价值¶

文章揭示了一个关键技术洞察：MCP 协议的本质是一个"通用适配器"，它让 AI 模型能够以统一的方式连接外部数据源和工具，而非针对每个外部系统定制专有接口。这一设计的核心价值体现在： ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 解耦与标准化 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

OpenSearch MCP Server 基于标准 MCP 协议，为 AI 代理提供与 OpenSearch 交互的标准化接口
无论是 Kiro CLI 还是任何其他支持 MCP 的 AI 工具，都能通过同一协议连接 OpenSearch
工作流程：Agent 发起工具调用 → MCP Server 转发 → REST API 向 OpenSearch 集群请求 → 格式化响应返回 独立 MCP Server 的战略优势
文章选择独立（Standalone）MCP Server 而非内置版本，主要原因是兼容 OpenSearch 3.0 之前的版本
独立 MCP Server 作为独立进程运行在集群之外，这种架构确保了：
不侵入现有 OpenSearch 部署
可独立升级和维护
支持多 Agent 共享同一 MCP Server 连接

2. Kiro CLI 的多层次 Agentic 能力解析¶

文章详细描述了 Kiro CLI 的四大核心能力，这些能力构成了一个完整的 Agent 系统： ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] Agent 模式与自适应对话 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

理解代码库上下文，通过自然对话交互
快速响应开发和运维需求 自定义 Agent 配置 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
为特定用例定义专门的 Agent
指定可访问的工具、权限设置和自动包含的上下文信息 MCP 协议集成 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
通过 Model Context Protocol 连接专业化服务器
扩展 Kiro 的能力边界 Subagent 委托机制 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
将复杂任务委托给专门子 Agent
实现并行任务执行和实时进度跟踪
保持主 Agent 上下文的专注性这四个层次形成一个递进的能力体系，从简单对话到复杂任务分解，体现了 AWS 对 AI Agent 能力的系统性思考。

3. 三大典型场景的技术深度分析¶

3.1 日志分析：从专业技能到人人可做¶

传统日志分析需要掌握复杂查询语法和聚合函数。文章展示的场景——"从 vpc flow logs 帮我分析最近 12 个小时，流量最大的 TOP 10 IP"——揭示了关键转变： Kiro CLI 的处理流程 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 1. 解析自然语言意图 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 2. 自动调用 OpenSearch MCP Server 的查询工具 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 3. 执行聚合查询 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 4. 生成分析结果并提炼关键发现 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 这一场景的核心价值不是"查询速度更快"，而是消除了技能门槛——任何能用自然语言描述需求的人都能完成原本需要专业知识的工作。

3.2 滚动日志策略：ISM 的智能配置¶

OpenSearch ISM（Index State Management）策略配置传统上需要理解 JSON 结构、状态转换逻辑和各种参数。文中案例展示的流程： 1. 自然语言查询索引情况 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 2. 检查现有索引模板（分片数、副本数、压缩算法） ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 3. 自然语言描述需求（"30天滚动周期"） ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 4. Kiro 自动生成并应用 ISM 策略 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/] 关键洞察：Kiro CLI 在此场景中扮演了翻译层角色——将人类可理解的需求翻译为 OpenSearch 可执行的配置，同时自动完成检查-创建-应用的全流程。

3.3 向量搜索优化：从"艺术"到"科学"¶

向量搜索的 HNSW 算法参数（m、ef_construction、ef_search 等）传统上需要深入理解底层机制和反复试错。文章展示了两个子场景： 向量索引参数优化 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

加载 OpenSearch 向量搜索最佳实践知识文档
Kiro 自动分析现有索引参数
根据最佳实践给出优化建议 向量搜索性能分析 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
当查询性能不满足需求时
Kiro 帮助分析集群是否存在问题这一场景的核心价值在于知识外挂——将最佳实践知识库独立于模型之外，通过 add context 方式加载，让 Kiro 在推理过程中引用权威参考，而非依赖模型自身的知识。

4. 技术组合的战略意义：从工具到平台¶

文章揭示了一个更深层的趋势：Kiro CLI + OpenSearch MCP Server 的组合，本质是将 OpenSearch 从一个"需要专业操作的工具"转变为一个"可通过自然语言调用的平台"。这一转变对行业的影响： ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

运维人员不再需要记住复杂语法
开发者不再需要深入理解底层机制
组织可以建立最佳实践知识库，让 AI Agent 统一引用
人机协作模式从"人类执行、AI 建议"转变为"AI 执行、人类监督"

实践启示¶

立即可行的行动¶

1. 评估独立 MCP Server 部署 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

如果你的 OpenSearch 版本低于 3.0，独立 MCP Server 是唯一选择
部署前需准备：OpenSearch URL、认证方式（Basic Auth 或 IAM Role）、必要的环境变量
配置入口：~/.kiro/settings 目录下的 JSON 配置文件 2. 建立场景化知识文档 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
向量搜索最佳实践文档（如文章中使用的知识库）
ISM 策略配置模板
常见日志分析查询模式
这些文档通过 add context 加载后，Kiro 可在对话中引用 3. 从日志分析场景切入 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
VPC Flow Logs 是相对标准化的场景，适合作为首个试点
验证自然语言查询的准确性和响应质量
逐步扩展到 ISM 策略配置和向量搜索优化

中期建设方向¶

1. 构建 MCP Server 生态 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

除 OpenSearch 外，评估其他数据源的 MCP Server 集成可能性
通过 MCP 协议连接多个外部系统，形成统一的 AI Agent 操作界面
注意：MCP Server 应作为独立进程管理，便于独立升级 2. 建立运维知识库 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
整理 OpenSearch 运维中的常见问题和解决方案
结构化最佳实践（参数配置、性能调优、故障排查）
通过 add context 方式外挂知识，而非依赖模型自身知识 3. 设计 Subagent 分工策略 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
对于复杂任务，考虑使用 Subagent 委托机制
定义专门的子 Agent 处理特定场景（如日志分析 Agent、索引管理 Agent）
保持主 Agent 上下文的专注性，避免信息过载

长期战略思考¶

1. 技能民主化与组织能力建设 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]

当工具使用门槛降低，组织应重新思考"专业技能"的定义
核心竞争力从"会操作工具"转向"理解业务需求并转化为 AI 可执行的任务描述"
培训重点应从"工具使用"转向"人机协作模式" 2. 标准化与定制化的平衡 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
MCP 协议提供标准化接口，但具体实现需要结合组织实际情况
评估哪些场景适合标准化流程，哪些场景需要定制化配置
保持 MCP Server 的可升级性，避免与特定版本强绑定 3. 监控与治理框架 ^[https://aws.amazon.com/cn/blogs/china/from-manual-to-smart-use-kiro-cli-opensearch-mcp-to-make-everyone-an-opensearch-expert/]
AI Agent 执行操作的风险需要监控机制
建立操作日志和审计跟踪
定义 AI Agent 的操作权限边界，避免意外影响生产环境 → 原文存档