RAG智能体构建：Elasticsearch与Copilot SDK实战

基于 Elasticsearch 和 GitHub Copilot SDK 的 RAG 智能体构建

Agent Builder 现已正式发布（GA）。快速体验方式：注册 Elastic Cloud 试用版，官方文档已在 Agent Builder 页面同步更新。

核心要点：仅需约五行 C# 代码即可桥接 Elasticsearch 与 GitHub Copilot SDK，使智能体基于真实数据检索而非模型臆测。Copilot 承担规划与编排，Elasticsearch 负责检索日志、文档及专有记录。部署后效果立竿见影——智能体不再因训练数据滞后而产生幻觉，所有答案均来源于系统中的实际内容。下面借助 Elastic.Extensions.AI 桥接库，逐步拆解完整配置流程。

缺乏检索层的 RAG 智能体为何产生幻觉

若没有检索层，AI 智能体仅能依赖训练数据生成内容。一旦涉及日志、文档或专有系统，它即刻开始“编造”。GitHub Copilot SDK 提供经过生产验证的编排引擎，Elasticsearch 则为日志、文档和操作数据提供快速精准的检索。二者结合后，智能体彻底摆脱猜测。

接下来重点阐述如何通过 Elastic.Extensions.AI 桥接库建立连接，并提供一个完整的 .NET 代码示例，助你亲手创建一个可运转的 RAG 智能体——它利用 Copilot 引擎进行规划，从 Elasticsearch 中检索数据。

核心技术栈概览：GitHub Copilot SDK 与 Elastic AI 生态

简言之，GitHub Copilot SDK 负责编排与规划，Elasticsearch 负责检索与上下文提供。以下逐一拆解各组件职能。

GitHub Copilot SDK

GitHub Copilot SDK 是一个多平台工具集，目前处于技术预览阶段。支持 Python、TypeScript、Go、.NET 和 Java。架构上，SDK 通过 JSON-RPC 与 Copilot CLI 服务器通信，并自动管理进程生命周期。它承担智能体核心工作：规划复杂任务、调用工具、管理模型交互。

Elastic AI 生态系统

在技术栈另一端，Elastic 提供两个主要 AI 组件：

• Elastic AI Assistant：专为可观测性与安全设计，协助构建查询、排查故障、进行威胁调查。
• Elastic Agent Builder：基于 Elasticsearch 数据创建自定义智能体的框架。采用可视化聊天界面，底层技能与工具由 ES|QL 驱动。

功能划分明确：集成中，GitHub Copilot 作为编排器（负责规划与决策的“大脑”），Elasticsearch 作为上下文提供者（存储日志、文档和专有数据的“记忆库”）。

图 1：GitHub Copilot SDK 与 Elastic 组件的交互流程。

Elasticsearch 和 Copilot 集成的架构模式

桥接 Elasticsearch 与 GitHub Copilot SDK 主要有三种方式。下表快速对比：

架构细节：操作的现实情况

将 Elasticsearch 管理 API 暴露为 Copilot 工具，确实能减少 SRE 上下文切换。但开发者需区分简单与复杂操作。检查集群健康或触发重新索引等基本任务非常直接。而通过自然语言管理 ILM 策略则困难得多——策略逻辑的复杂性是主要障碍。务实建议：高级架构师应先聚焦健康与发现类工具，积累足够经验后再触及完整的策略自动化。

分步指南：构建一个由 Elasticsearch 驱动的 Copilot 智能体

步骤 1：先决条件和环境设置

• GitHub Copilot 订阅：必需（除非使用 BYOK 方案）。
• Copilot CLI：已安装且位于 PATH 环境变量。
• Elasticsearch 集群：一个运行中的实例（Elasticsearch Serverless 或 Elastic Cloud）。

步骤 2：安装 SDK

该 SDK 支持 Python、TypeScript、Go、.NET 和 Java（开发中）。本文示例选用 .NET，因为 Elastic.Extensions.AI 桥接库提供了最紧密的集成。安装 .NET 包，执行以下命令：

dotnet add package GitHub.Copilot.SDK
dotnet add package Elastic.Clients.Elasticsearch
dotnet add package Elastic.Extensions.AI

步骤 3：将 Elasticsearch 注册为原生工具

整个集成基于 Elastic.Extensions.AI 桥接库，该库由 Elastic 前 .NET 客户端维护者 Martijn Laarman 编写，用于连接 Elastic Agent Builder 与 GitHub Copilot SDK。核心模式包含四步，约 20 行 C# 代码，可概括为五个逻辑操作：

// 1. 初始化 Elasticsearch 客户端
var client = new ElasticsearchClient(
    new Uri(Environment.GetEnvironmentVariable("ES_URL")!),
    new ApiKey(Environment.GetEnvironmentVariable("ES_API_KEY")!));

// 2. 将搜索方法装饰为 Copilot 工具
[Description("Search Elasticsearch for documents relevant to the query")]
async Task SearchAsync(
    [Description("Natural-language search query")] string query)
{
    // 3. 定义 schema：让 LLM 通过 SearchAsync 驱动查询 DSL
    var response = await client.SearchAsync(s => s
        .Index("your-index")
        .Query(q => q
            .Match(m => m
                .Field("content")
                .Query(query))));
    return JsonSerializer.Serialize(response.Documents.Take(5));
}

// 4. 通过 Elastic.Extensions.AI 桥接库注册工具并运行
var agent = CopilotAgent.Create(new CopilotAgentOptions());
agent.AddTool(AIFunctionFactory.Create(SearchAsync));
await agent.StartAsync();

步骤 4：实施安全防护和隐私保护

Copilot SDK 内置安全模型：用户必须确认工具使用（除非指定 --allow-all-tools 标志）。

数据隐私方面需明确：Elastic 不会将客户数据（包括提示、查询或事件数据）用于模型训练。对于需要零配置 AI 的团队，可通过 Elastic Inference Service (EIS) 使用 Elastic 托管的 LLM，实现对生成式功能的即时访问。但注意，这些服务会依据 Elastic Cloud 定价产生额外费用。如使用 EIS，数据将由用户所选第三方 LLM 提供商处理。

入门：使用 GitHub Copilot SDK 构建你的 Elasticsearch RAG 智能体

利用自有数据完成“接地”，是消除幻觉的根本方法。通过 Elastic.Extensions.AI 桥接库连接 Elasticsearch 与 GitHub Copilot SDK，即可用最少样板代码让智能体访问真实数据。Copilot 负责规划与编排，Elasticsearch 负责快速准确的检索。最终智能体基于系统实际内容推理，而非依赖数月前的训练数据敷衍了事。

后续步骤：设置你的 Elasticsearch RAG 智能体

• 探索源代码：访问 elastic-ingest-dotnet 仓库，获取 Elastic.Extensions.AI 桥接库。
• 查阅手册：参考 GitHub Copilot SDK Cookbook，其中包含多语言示例。
• 实施警告：从简单工具入手，如集群健康检查（Cluster Health）。ILM 管理复杂得多，在智能体工作流中务必谨慎。

技术提示：GitHub Copilot SDK 目前仍处于技术预览阶段。正式发布前可能发生一些变更。

附加资源：如需了解更多 Elasticsearch 与 Microsoft Agent Framework 的结合方式，也可参考这篇博客中的详细说明。

常见问题

对 AI 智能体而言，“接地”意味着什么？

“接地”指智能体在生成响应前，从 Elasticsearch 等来源检索真实数据，而非仅依赖 LLM 训练数据。这能从根本上杜绝幻觉，确保答案反映你的实际环境——即基于日志、文档和专有记录。

Elastic 是否使用我的查询或数据来训练 AI 模型？

不会。Elastic 不将客户数据（包括提示、查询、事件数据）用于模型训练。若采用 BYOK（自带密钥），数据保留在自有环境。若使用第三方 LLM 提供商，需自行确认其数据政策。

MCP 互操作性如何与 Elastic Agent Builder 协同工作？

Elastic Agent Builder 智能体暴露 MCP 服务器端点，GitHub Copilot SDK 可直接连接。因此，现有 Elastic 智能体可从 Copilot 原生调用，无需重写工具函数。

我可以使用 GitHub Copilot 来管理 Elasticsearch 集群操作吗？

基本操作，如检查集群健康或触发重新索引，作为 Copilot 工具运行良好。但复杂操作（例如 ILM 策略管理）通过自然语言自动化的安全性难以保障，智能体工作流中需谨慎。

GitHub Copilot SDK 支持哪些语言进行 Elasticsearch 集成？

截至本文撰写，SDK 支持 Python、TypeScript、Go、.NET，Java 正在开发中。对于 Elasticsearch 集成，Python 和 .NET 提供了最直接的路径。由于这两种语言与 Microsoft Agent Framework 深度集成，开发者可利用现有桥接库（如 Elastic.Extensions.AI）无缝连接 Copilot 和 Elasticsearch。