让 AI 智能体在对话中直接呈现可观测性可视化

在可观测性场景中，AI 智能体已经能够在数分钟内完成告警查询、日志与追踪关联以及根因假设生成。然而，验证环节依然是瓶颈所在：工程师拿到智能体的文本摘要后，仍需打开浏览器、登录独立的监控平台、手动重跑查询，再将屏幕上的图表与智能体的描述逐一比对。智能体节省了查询时间，却没能消除标签切换、上下文记忆和手动核验所消耗的精力。

Amazon OpenSearch Service MCP Apps 正是为填补这一缺口而设计。该功能对模型上下文协议进行了扩展，引入「双响应模式」：每次工具调用不仅返回结构化文本摘要，还同步返回一个交互式可视化组件，直接渲染在 AI 助手的对话窗口中。工程师在同一对话线程内即可完成提问与验证，无需离开 IDE，也无需重新执行任何查询。

从架构层面看，整套方案由本地 MCP 服务器、IDE 客户端和 OpenSearch UI 应用三部分协同工作。本地 MCP 服务器运行在用户自己的机器上，作为 IDE 与 OpenSearch UI 之间的安全桥接层。智能体发起工具调用后，请求经由 MCP 服务器完成 AWS 凭证认证，随后以 HTTP API 形式转发至 OpenSearch UI 端点。OpenSearch UI 对接的数据源涵盖 OpenSearch 域、无服务器集合、CloudWatch 以及 Amazon Managed Service for Prometheus。

与标准 MCP 工具调用仅返回纯文本不同，MCP Apps 在服务端直接执行代码并生成可视化产物，再将文本内容与可视化内容打包为单一 MCP 响应返回。IDE 宿主检测到可视化载荷后，将其渲染为对话线程中的交互式组件。由于可视化结果来自对真实数据源的实际查询，输出具有确定性——工程师看到的与 OpenSearch 仪表盘中的内容完全一致，而非经过 AI 二次解读的描述。

以追踪调查为例，工程师只需向智能体传入追踪 ID 或服务名称、时间范围等过滤参数，发起工具调用。本地 MCP 服务器完成认证后将请求转发，OpenSearch UI 执行查询并返回追踪瀑布图与文本分析，两者同时出现在对话窗口中。整个过程无需切换工具，调查上下文得以完整保留，工程师可以在同一对话中持续深入，从告警到追踪、从追踪到日志、从日志到根因，一气呵成。

对于选择本地化部署智能体方案的团队而言，MCP Apps 在保留数据主权与成本控制优势的同时，显著改善了使用体验。所有数据留存于用户自己的 AWS 账户，凭证、策略和域配置均由用户自主管理。这一设计让本地化智能体方案不再需要在「自主可控」与「易用性」之间做出取舍，验证环节的效率得以真正对齐智能体自动化的速度。

要点

• MCP Apps 为每次工具调用引入双响应模式，同时返回文本摘要与交互式可视化，彻底消除 IDE 与监控平台之间的切换成本。
• 可视化内容由服务端基于真实数据源执行生成，结果具有确定性，工程师看到的即是实际查询结果而非 AI 解读。
• 本地 MCP 服务器作为安全桥接层运行在用户机器上，数据始终保留在用户自己的 AWS 账户中，凭证与访问策略完全自主掌控。
• 支持的数据源包括 OpenSearch 域、无服务器集合、CloudWatch 及 Amazon Managed Service for Prometheus，覆盖主流可观测性场景。
• 该方案让本地化智能体部署团队无需在数据主权与易用性之间妥协，验证效率可真正对齐智能体自动化的速度优势。