Elastic AI agent builder 介绍（二）
在之前的文章 “Elastic AI agent builder 介绍（一）”，我们用一个例子展示了如何使用 AI agent builder 来创建我们希望的 agents。在今天的文章里，我们来介绍 AI agent builder 相关的 APIs。这样我们对它有更进一步的认识。
Tools
获取所有的工具
我们可以通过如下的 API 来获取所有的 tools
GET kbn://api/agent_builder/tools
上面的 API 显示所有已经创建的和系统本身自带的 tools。我们也可以使用如下的方式来得到：
export KIBANA_URL="your-kibana-url"
export API_KEY="your-api-key"curl -X GET "https://${KIBANA_URL}/api/agent_builder/tools" \-H "Authorization: ApiKey ${API_KEY}"针对我们的安装：
注意：你需要根据自己的 Elasticsearch 及 Kibana 配置修改上面的 http/https 协议。你需要配置响应的环境变量 KIBANA_URL 及 API_KEY
根据 ID 获得 tool
GET kbn://api/agent_builder/tools/{id}GET kbn://api/agent_builder/tools/find_average_age
根据 ID 删除一个 tool
DELETE kbn://api/agent_builder/tools/{id}DELETE kbn://api/agent_builder/tools/find_average_age
我们可以再使用上面的 GET kbn://api/agent_builder/tools 命令来查看 find_average_age 已经被删除。我们也可以在界面中查看：
在这两个页面中没有 find_average_age 工具了。能够进行下面的操作，我们参考 “Elastic AI agent builder 介绍（一）” ，再次创建这个 tool。
根据 ID 来更新一个 tool
没有修改之前 people_profession_search ID 的设计是这样的：
我们现在使用如下的格式来进行更新：
PUT kbn://api/agent_builder/tools/people_profession_search
{"description": "Search for the document for people index based on its profession input.","tags": ["analytics", "people", "updated"],"configuration": {"query": "FROM people METADATA _score | WHERE MATCH(description, ?profession) OR MATCH(des_semantic, ?profession) | SORT _score DESC | LIMIT 1","params": {"profession": {"type": "text","description": "profession for search results"}}}
}
我们再次查看更新后的 people_profession_search ID：
我们可以看到有三处已经被修改。我们可以看到新增加的 Labels。我们可以通过如下的练习来建议一下：
who are the reporters?
who are the heros?
运行一个 tool
我们可以使用如下的方式来运行一个 tool：
POST kbn://api/agent_builder/tools/_execute
{"tool_id": "people_profession_search","tool_params": {"profession": "who are the reporters"}
}
Agents
列出所有的 agents
GET kbn://api/agent_builder/agentsGET kbn://api/agent_builder/agents
创建一个 agent
我们可以使用如下的方法来创建一个 agent：
POST kbn://api/agent_builder/agents
{"id": "get_average_age","name": "calculate the average age","description": "I can hel you get the average age from the people index","labels": ["analytics"],"avatar_color": "#BFDBFF","avatar_symbol": "SI","configuration": {"instructions": "You are a custom agent that helps to calculate the average age from people index","tools": [{"tool_ids": ["platform.core.search","platform.core.list_indices","platform.core.get_index_mapping","platform.core.get_document_by_id","find_average_age"]}]}
}执行完上面的命令后，我可以看到：
我们可以到 Agents 页面去查看：
我们可以看到一个新生成的 calculate the average age Agent 已经生成。我们点击进去查看：
我们也可以查看它的 tools 配置：
我们使用这个 Agent 来看看它的效果：
很显然，我们得到了我们需要的效果。
根据 ID 获得 Agent
我们可以使用如下的方式来得到一个 Agent：
GET kbn://api/agent_builder/agents/{id}GET kbn://api/agent_builder/agents/get_average_age
根据 ID 更新一个 agent
我们使用如下的一个一个例子来展示如何更新刚才生成的 agent：
PUT kbn://api/agent_builder/agents/get_average_age
{"name": "Get the average age","description": "I can hel you get the average age from the people index","labels": ["analytics"],"avatar_color": "#BFDBFF","avatar_symbol": "GA","configuration": {"instructions": "You are a custom agent that helps to calculate the average age from people index","tools": [{"tool_ids": ["platform.core.search","platform.core.list_indices","platform.core.get_index_mapping","platform.core.get_document_by_id","find_average_age"]}]}
}
运行完上面的命令后，我们可以到 Agents 页面进行查看：
根据 ID 删除一个 agent
我们使用如下的命令来删除刚才创建的 agent:
DELETE kbn://api/agent_builder/agents/{id}DELETE kbn://api/agent_builder/agents/get_average_age
当我们运行完上面的命令后，我们再到 Agents 页面查看：
聊天和对话
我们使用如下的例子来展示如何使用一个 agent 来进行聊天：
POST kbn://api/agent_builder/converse
{"input": "who are the heros?","agent_id": "people_profession_search"
}
如上所示，我们可以看到一个叫做 0e777294-e2b9-4d5b-a22a-722e662a3769 的 converstaion_id。
与代理聊天并流式传输事件
我们使用上面的 conversation_id 来进一步聊天：
POST kbn://api/agent_builder/converse/async
{"input": "Who is a teacher?","agent_id": "people_profession_search","conversation_id": "0e777294-e2b9-4d5b-a22a-722e662a3769"
}
列出对话
GET kbn://api/agent_builder/conversations
根据 ID 获取对话
GET kbn://api/agent_builder/conversations/{conversation_id}GET kbn://api/agent_builder/conversations/530bac59-7f11-4c01-bd6a-b42cd6efc527
根据 ID 删除对话
DELETE kbn://api/agent_builder/conversations/{conversation_id}DELETE kbn://api/agent_builder/conversations/530bac59-7f11-4c01-bd6a-b42cd6efc527MCP 服务器 API
有关更多信息，请参考 Model Context Protocol (MCP) 服务器。
使用 JSON-RPC 2.0 与 MCP 服务器通信。
curl -k -X POST "http://${KIBANA_URL}/api/agent_builder/mcp" \-H "Authorization: ApiKey ${API_KEY}" \-H "Content-Type: application/json" \-H "Accept: application/json" \-H "kbn-xsrf: true" \-d '{"jsonrpc": "2.0","id": 1,"method": "tools/list"}'
注意：你需要根据自己的 Elasticsearch 及 Kibana 配置修改上面的 http/https 协议。你需要配置响应的环境变量 KIBANA_URL 及 API_KEY
A2A 协议
有关更多信息，请参考 Agent-to-Agent (A2A) 服务器。
示例：获取 A2A 代理卡配置
GET kbn://api/agent_builder/a2a/{agentId}.json
GET kbn://api/agent_builder/a2a/people_profession_search.json
更多 API 的详细描述，请参考 Kibana API reference