opensearch-skills

OpenSearch スキル

これは OpenSearch のトップレベルスキルです。個別にインストールして使用できる、4 つのカテゴリ別スキルが含まれています。

カテゴリ	スキル	個別にインストール
検索	opensearch-launchpad	npx skills add opensearch-project/opensearch-agent-skills@opensearch-launchpad --full-depth
可観測性	log-analytics	npx skills add opensearch-project/opensearch-agent-skills@log-analytics --full-depth
可観測性	trace-analytics	npx skills add opensearch-project/opensearch-agent-skills@trace-analytics --full-depth
クラウド	aws-setup	npx skills add opensearch-project/opensearch-agent-skills@aws-setup --full-depth
クラウド	aiven-setup	npx skills add opensearch-project/opensearch-agent-skills@aiven-setup --full-depth
取り込み	document-processing	npx skills add opensearch-project/opensearch-agent-skills@document-processing --full-depth
クラウド	managed-ingestion-service	npx skills add opensearch-project/opensearch-agent-skills@managed-ingestion-service --full-depth

振り分け

ユーザーの意図に基づいて、適切なスキルに振り分けます。

ユーザーの意図	スキル
検索アプリを構築する、インデックスを設定する、検索戦略を選ぶ	opensearch-launchpad
ログを分析する、PPL でクエリを実行する、エラーパターンを見つける	log-analytics
トレースを調査する、スパンをデバッグする、サービスマップを分析する	trace-analytics
AWS にデプロイする、ドメインまたはコレクションをプロビジョニングする	aws-setup
Aiven にデプロイする、マネージド OpenSearch サービスをプロビジョニングする	aiven-setup
ドキュメントをチャンクに処理する（PDF/DOCX → JSONL）	document-processing
OSIS を介してチャンクを大規模に取り込む、S3 から AOS/AOSS へ	managed-ingestion-service
OpenSearch に関する一般的な質問	まずドキュメントを検索し、その後、関連するスキルに振り分けます

ユーザーの意図が複数のスキルにまたがる場合（例：「検索アプリを構築して Aiven にデプロイする」）、適切なスキルから開始し、準備ができたら次のスキルに移ります。

フィードバックの収集（必須の動作）

このルールは、このコレクション内のすべてのスキル（opensearch-launchpad、log-analytics、trace-analytics、aws-setup、aiven-setup、document-processing、managed-ingestion-service）に適用されます。どのスキルがアクティブでも、これらのルールに必ず従ってください。

すべてのやり取りで、先回りしてフィードバックを収集する必要があります。これは任意ではありません。後回しにせず、ワークフローの重要な一部として扱ってください。

ルール

1. 継続的に確認する — 会話の最後だけでなく、会話全体を通じて、失敗、混乱、満たされていないニーズに注意します。
2. 失敗したらすぐに提案する — コマンドでエラーが発生した場合や手順がうまくいかない場合は、トラブルシューティングを始める前に、フィードバックを記録することをすぐに提案します。
3. 不確かな場合に提案する — どう進めるべきかわからない場合や、スキルがユーザーのリクエストに対応していない場合は、潜在的な不足として伝え、フィードバックの送信を提案します。
4. 自然な区切りで尋ねる — 大きなフェーズを完了した後（最後だけでなく）に、「期待どおりに動いていますか？ ここまでで何か不便な点はありますか？」と尋ねます。
5. 最後に必ず尋ねる — ユーザーが完了したと伝えたとき、またはワークフローが完了したときに、1〜5 の評価を尋ねます。
6. 同意なしに送信しない — プレビューを表示し、明示的な「はい」を得ます。

トリガー

条件	対応
コマンドがゼロ以外の終了コードを返す、またはエラーになる	→ ただちに：「失敗しました。この内容をフィードバックとして記録してもよいですか？」
ユーザーが「望んでいたものと違います」／「分かりにくいです」と言う、または不満を表す	→ 「使いづらさがあったようですね。何が問題だったか記録してもよいですか？」
ユーザーが実行できないことを依頼する	→ 「これはまだサポートされていません。機能の不足として報告してもよいですか？」
回避策が必要になる（もっと簡単であるべきこと）	→ 「本来より手順が多かったですね。使いづらさとして報告してもよいですか？」
主要なフェーズが完了する	→ 「ここまでの進み具合はいかがですか？問題はありますか？」
ユーザーが「完了」と言う、またはワークフローが終了する	→ 「全体的な使い心地はいかがでしたか？（1～5）」

送信方法

（Python スクリプトの実行に）uv のインストールが必要です

1. フィードバック（種類＋状況）を作成します。
2. プレビューをユーザーに表示します。
3. 次のように尋ねます：「この匿名のフィードバックを送信してもよいですか？」
4. 同意を得た場合：

uv run python scripts/opensearch_ops.py submit-feedback \
  --type <failure|gap|friction|success> \
  --skill <skill-name> \
  --context "<error message, command, what happened>" \
  --comment "<user's words>" \
  --rating "<1-5, for success only>"

フィードバックの種類

• failure — コマンドまたは手順でエラーが発生した
• gap — ユーザーが、このスキルではサポートされていない機能を必要としている
• friction — ワークフローが分かりにくい、遅い、または回避策が必要だった
• success — ワークフローが完了し、ユーザーが満足した

共有リソース

すべてのスキルで次のリソースを共有します。

• スクリプト：scripts/opensearch_ops.py — すべての OpenSearch 操作用の CLI
• Docker の起動：scripts/start_opensearch.sh — ローカルの OpenSearch クラスターを起動します
• CLI リファレンス：cli-reference.md — 例を含むコマンドの完全なリファレンス
• 検索ビルダー UI：scripts/ui/ — ポート 8765 で提供される React フロントエンド

bash scripts/start_opensearch.sh
uv run python scripts/opensearch_ops.py <command> [options]
uv run python scripts/opensearch_ops.py --help

オプションの MCP サーバー

{
  "mcpServers": {
    "ddg-search": {
      "command": "uvx",
      "args": ["duckduckgo-mcp-server"]
    },
    "awslabs.aws-api-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.aws-api-mcp-server@latest"],
      "env": { "FASTMCP_LOG_LEVEL": "ERROR" }
    },
    "aws-knowledge-mcp-server": {
      "command": "uvx",
      "args": ["fastmcp", "run", "https://knowledge-mcp.global.api.aws"],
      "env": { "FASTMCP_LOG_LEVEL": "ERROR" }
    },
    "opensearch-mcp-server": {
      "command": "uvx",
      "args": ["opensearch-mcp-server-py@latest"],
      "env": { "FASTMCP_LOG_LEVEL": "ERROR" }
    }
  }
}

MCP サーバーの不足分を自動インストールする

MCP ツールを使用する前に、サーバーが利用可能かどうかを確認します。見つからない場合は、次の手順に従います。

1. MCP 設定ファイルを探します。
   • Kiro：.kiro/settings/mcp.json
   • Cursor：.cursor/mcp.json
   • Claude Code：.mcp.json
   • VS Code（Copilot）：.vscode/mcp.json
   • Windsurf：~/.codeium/windsurf/mcp_config.json
2. 既存の設定を読み込みます（または {"mcpServers": {}} から始めます）。
3. 不足しているサーバーのエントリーをマージします。既存のエントリーを上書きしないでください。
4. 保存し、MCP サーバーを再起動または再接続するようユーザーに伝えます。

OpenSearch に関する知識の質問への回答

uv run python scripts/opensearch_ops.py search-docs --query "<your query>"
uv run python scripts/opensearch_ops.py search-docs --query "<query>" --site docs.aws.amazon.com