本記事は 2026 年 5 月 18 日 に公開された「OpenSearch Agent Skills bring built-in intelligence to your agentic IDE」を翻訳したものです。
本日、OpenSearch Agent Skills を発表します。OpenSearch Agent Skills は、開発者が普段使う agentic IDE の中で、OpenSearch を使った開発ワークフローに組み込み型のインテリジェンスをもたらす、オープンで組み合わせ可能なスキルのリポジトリです。OpenSearch のノウハウを開発者の既存のワークフローに直接組み込むことで、Agent Skills はセットアップ時間を短縮し、ツールを行き来する手間をなくし、構成作業ではなく開発そのものに集中できます。
今日の開発者は、Claude、Cursor、Kiro といった agentic IDE を使えば、アイデアから動作するプロトタイプまで数分で到達できます。プロンプト 1 つでアプリケーションを立ち上げ、API を生成し、エンドツーエンドのワークフローを構築できます。ただし、新しいアイデアを試す段階でも、PoC を構築する段階でも、本番システムを運用する段階でも、作業は急速に複雑になります。たとえば OpenSearch で関連性 (relevance) を高めるには、クエリ DSL (Domain-Specific Language)、ランキングロジック、ハイブリッド検索のチューニングに関する深い専門知識が依然として求められます。レイテンシーやクラスターの健全性に関するトラブルシューティングでは、ログ、トレース、シャード、インフラのメトリクスから手作業でシグナルをつなぎ合わせる必要があります。Elasticsearch や Solr からの移行ですら、スキーマ変換、互換性のギャップ、パフォーマンス最適化の難しさから、複雑で時間のかかる作業になりがちです。AI エージェントが OpenSearch でアプリケーションを構築・運用する主要なインターフェースになるにつれ、より深いギャップも見えてきます。高レベルの意図をクエリ DSL、インデックス構成、複数ステップのワークフローに変換するには、依然として高度な専門知識が必要です。同時にワークフローは検索、ログ、可観測性といったドメインごとに分断されており、チームはサイロ化したツールと断片的な思考を強いられます。その結果、開発のスピードアップという期待とは裏腹に、試行錯誤の繰り返し、標準化されたアプローチの欠如、価値提供に要する時間の長期化を招いています。
Agent Skills とは
Agent Skills は Anthropic が開発した、AI エージェントの機能を専門知識やワークフローで拡張するための軽量でオープンなフォーマットです。Kiro、Claude Code、Cursor、VS Code、GitHub Copilot、Codex をはじめとする多くの AI ツールやアジェンティッククライアントでサポートが広がっています。
Agent Skills の本質は、呼び出し、拡張し、再利用できる事前構築済みのインテリジェンスです。各スキルにはドメイン知識、複数ステップのワークフローを伴う実行ロジック、説明可能性のあるガイダンスがまとめられており、結果が得られるだけでなく、なぜその結果になったのかも理解できます。ツールをつなぎ合わせて独自のロジックを書く代わりに、スキルを呼び出すだけで、分析から推奨、実行までのタスク全体を任せられます。
OpenSearch Agent Skills のローンチ時には、開発者がよく直面する複雑なワークフローに対応する 3 つの基本スキルを提供します。Search、Logs、Solr から OpenSearch への移行です。
Search スキル
Search スキルは、OpenSearch Launchpad で導入された基盤の上に構築され、OpenSearch を使った検索アプリケーションの構築と最適化に、エージェント駆動かつ意図ベースの体験をもたらします。OpenSearch の深い専門知識がなくても、レキシカル検索、セマンティック検索、ハイブリッド検索、エージェント検索のいずれであっても、シンプルな要件やサンプルドキュメントから数分で動作する検索アプリケーションまで到達できます。
機能:
自然言語による要件やサンプルデータを検索構成に変換
インデックスマッピング、取り込みパイプライン、ML モデル統合を自動生成
キーワード、セマンティック、ハイブリッド検索の機能をすぐに利用可能な状態でセットアップ
例
Build a semantic search application for product documentation
出力:
最適化されたマッピングを備えた、構成済みの OpenSearch インデックス
埋め込みモデルと取り込みパイプラインの統合
テストと反復開発に使える検索体験 (API + UI)
Search スキルは OpenSearch Launchpad で導入された基盤を継承しつつ、その機能をエージェントネイティブなワークフローへと拡張します。手作業のセットアップを排除し、アイデアから本番環境向けの検索アプリケーションまで数分で進められるため、OpenSearch でのプロトタイピングとデプロイの両方が加速します。
Logs スキル
Logs スキルは、ログデータの分析と分散トレースの調査を OpenSearch 内で直接行い、可観測性のワークフローにエージェント駆動のインテリジェンスをもたらします。PPL クエリを手作業で組み立てたり、サービス間のトレースデータをつなぎ合わせたりする代わりに、開発者は意図を伝えるだけで、複雑な処理はスキルに任せられます。
機能:
PPL を使ってログデータをクエリ・分析。エラーパターン、ログ量の傾向、異常検出に対応
分散トレースの調査により、遅いスパン、エラースパン、サービス依存関係、エージェント呼び出しを特定
traceId を使ってログとトレースを関連付け、可観測性スタック全体を横断して根本原因を浮かび上がらせる
例:
Investigate why my service is returning 500s and correlate with recent traces
出力:
エラーパターンとログ量の異常を浮かび上がらせる PPL クエリの結果
遅いスパンや失敗しているスパン、サービス依存関係を特定するトレース分析
ログのエラーを特定のトレース ID に紐付け、根本原因の分析を加速する関連ビュー
Logs スキルを使えば、PPL の構文を習得したり、トレースデータを手作業で辿ったりすることなく、漠然とした症状から根本原因の特定まで数分で到達できます。
Solr から OpenSearch への移行スキル
Migration スキルは、Solr から OpenSearch への移行という複雑な作業を効率化します。移行作業には、クラスターの調査、互換性チェック、スキーマ変換、データ移行、検証といった工程が含まれ、深い専門知識と手作業による調整が求められます。Migration スキルは、これらの工程をすべてガイド付きの自動化されたワークフローに変えます。
機能:
ソースクラスターを調査・分析し、インデックス、マッピング、構成を把握
互換性評価を実施し、互換性を破る変更や必要な変換処理を提示
スキーマ、インデックス設定、クエリを OpenSearch 互換のフォーマットに変換
例:
How can I migrate from Solr to OpenSearch?
出力:
互換性レポートと必要な変更点をまとめた詳細な移行計画
OpenSearch ですぐに使える、変換済みのインデックスマッピングと構成
進捗追跡機能付きの、実行可能なデータ移行パイプライン
ソースとターゲット間でのデータ整合性とクエリの同等性を確認する検証レポート
Migration スキルにより、開発者は断片的でリスクの高い移行プロセスから、構造化された自動ワークフローへと移行できます。結果として移行が高速になり、ダウンタイムが削減され、本番環境での運用にも自信を持てます。
仕組み
OpenSearch Agent Skills は、ドメインカテゴリごとに構造化された SKILL.md ファイルのツリーとして整理されています。すべてを 1 つの大きなスキルにまとめるのではなく、リポジトリは焦点を絞った独立してインストール可能なスキルに分割されています。各スキルはコンテキストウィンドウに収まるほど小さく、それでいて実際のエンドツーエンドのワークフローを処理できる十分な情報量を備えています。
現在のトップレベル構造は、スキルを 3 つのカテゴリにグループ化しています。
Search: opensearch-launchpad — BM25 検索、セマンティック検索、ハイブリッド検索のアプリケーションをゼロから構築
Observability: log-analytics — PPL を使ったログクエリとエラー分析、trace-analytics — 分散トレース調査とスパン分析
Cloud: aws-setup — Amazon OpenSearch Service (マネージド) または Amazon OpenSearch Serverless へのデプロイ。それぞれ別のマニフェストを提供
各スキルには、エージェントが必要とするものがすべて同梱されています。ステップバイステップのワークフロー、リファレンスドキュメント (PPL 構文ガイドや CLI リファレンスなど)、クラスターに対して直接実行できるスクリプトです。
「ハイブリッド検索アプリを構築して」や「サービスが 500 エラーを返している原因は?」と伝えると、エージェントは該当するスキルだけを起動し、その指示に従い、適切な OpenSearch API を実行します。返される結果には、何をどのような理由で構成したかの明確な説明が添えられます。スキルはオンデマンドで読み込まれるため、コレクション全体をインストールしてもエージェントのコンテキストウィンドウを圧迫しません。
スキルライブラリは継続的に拡充しています。Dashboard や Migration といったカテゴリはすでにロードマップに含まれており、エコシステムの成長に合わせてさらに追加していきます。
はじめに
OpenSearch Agent Skills を使い始める手順はシンプルです。MCP サーバーや追加コンポーネントは不要です。スキルは npx skills でインストールでき、既存の agentic IDE と直接連携します。
前提条件:
Python 3.11 以上と uv
Docker のインストールと起動
AWS 認証情報の設定 (オプション。クラウドデプロイで必要)
すべてのスキルをインストール:
npx skills add opensearch-project/opensearch-agent-skills
または特定のスキルをインストール (例: opensearch-launchpad)
npx skills add opensearch-project/opensearch-agent-skills@opensearch-launchpad –full-depth
npx skills add opensearch-project/opensearch-agent-skills@log-analytics –full-depth
npx skills add opensearch-project/opensearch-agent-skills@trace-analytics –full-depth
npx skills add opensearch-project/opensearch-agent-skills@migration-companion –full-depth
インストール後は、エージェントに意図を伝えるだけです。たとえば「OpenSearch でセマンティック検索アプリを構築したい」と伝えると、エージェントがスキルの指示を読み込み、自動的にスクリプトを実行します。
スキルは特定のエージェント (-a claude-code)、すべてのプロジェクトに対してグローバル (-g)、または検出されたすべてのエージェント (–all) にインストールできます。インストール前に利用可能なスキルを確認するには –list を使ってください。
今後の展望
これは始まりにすぎません。私たちは OpenSearch Agent Skills のエコシステムを現在も拡大しており、高度な関連性チューニング、コストを意識したパフォーマンス最適化、インデックスのライフサイクルとスキーマ進化、検索・ログ・分析を統合するクロスドメインのワークフローなど、新たな機能を追加していきます。
長期的には、Agent Skills が OpenSearch のあらゆるドメインを横断する、コミュニティ主導のナレッジレイヤーになると考えています。複雑な問題を一度解決すれば、その成果がコミュニティ全体に行き渡る、そうした世界を目指しています。さらに重要な点として、Agent Skills は開発者が OpenSearch をどう構築・運用するかという根本的な転換を意味します。手作業で断片化されたワークフローから、開発のあらゆる段階を導き、最適化し、加速する、再利用可能でインテリジェントな機能へのシフトです。
参加方法
OpenSearch Agent Skills はオープンで進化し続けるエコシステムとして設計されており、その第一歩を踏み出したばかりです。次のような形で参加できます。
自分のワークフローで試す。 Claude、Cursor、Kiro にスキルをインストールし、自然言語で OpenSearch を操作してみてください。新しいアプリケーションの構築、問題の調査、移行作業の実行などを通じて、意図ベースのワークフローでどこまでできるかを体験できます。
スキルを構築・拡張する。 Agent Skills は意図的にモジュール化され、拡張しやすい設計になっています。ドメイン固有のワークフロー、社内のベストプラクティス、繰り返し使える運用プレイブックを独自のスキルとして作成してください。カスタムの関連性チューニングフローでも、特化した可観測性パイプラインでも、皆さんの貢献は他の人にとって再利用可能なインテリジェンスになります。
エコシステムに貢献する。 ドキュメントの改善やバグ修正から、まったく新しいスキルの追加まで、あらゆるレベルの貢献を歓迎しています。OpenSearch で複雑な問題を解決した経験があれば、それをスキルとして Git リポジトリ に貢献することを検討してみてください。
フィードバックとアイデアを共有する。 何が役立ったか、何が役立たなかったか、次に欲しい機能 (より深い統合、新しいドメイン、より高度な自動化など) は何か、ぜひ聞かせてください。
議論に参加する。 GitHub のディスカッション、コミュニティフォーラム、ワーキンググループを通じて OpenSearch コミュニティと交流してください。同じようなワークフローを構築している他の人と協力し、エージェント駆動の検索と可観測性の未来を共に形作りましょう。
OpenSearch Agent Skills により、私たちは開発者がツールを使うだけでなく、共有されたインテリジェンスを使う世界へと向かっています。共感していただけたら、ぜひこの旅に参加してください。
OpenSearch Agent Skills のリポジトリ にスターを付けて、ぜひ参加してください。OpenSearch コミュニティフォーラム で議論に加わり、OpenSearch の Slack チャンネル でつながりましょう。
謝辞
このプロジェクトに価値ある貢献をいただいた以下の方々に、心より感謝申し上げます。Arjun kumar Giri、Sarat Vemulapalli、Chenyang Li、Fen Qin、Janelle Arita、Kaituo Li、Krishna Kondaka、Owais Kazi、Peter Zhu、Zhichao Geng の皆さんです。皆さんの献身、専門知識、協力的な姿勢が、このプロジェクトを成功に導く上で不可欠でした。お時間と貢献をいただき、ありがとうございました。
著者について
Bobby Mohammed
Bobby は、Bobby は AWS のプリンシパルプロダクトマネージャーで、Search、生成 AI、Agentic AI の交差点に位置する製品をリードしています。検索拡張生成 (RAG) からエージェント駆動のワークフロー、長期記憶システムまで、次世代のインテリジェントアプリケーションに焦点を当てて取り組んでいます。以前は Amazon SageMaker で AI とデータの基盤機能の構築に携わり、データ、アナリティクス、機械学習を大規模に扱ってきました。AWS に入社する前は Intel でディレクター・オブ・プロダクトを務め、高性能 AI インフラストラクチャを支えるディープラーニングのトレーニングと推論プラットフォームをリードしていました。Bobby はノースウェスタン大学ケロッグ経営大学院で MBA を、電気工学で修士号と学士号を取得しています。
Sean Zheng
Sean は、Sean は AWS のシニアエンジニアリングマネージャーで、AWS OpenSearch における ML/生成 AI と検索関連性のコンポーネントをリードしています。担当チームは ML Commons、Neural Search、Search Relevancy Workbench などのプラグインを所有し、OpenSearch における ML とエージェント機能の主要な推進役を担っています。最近の成果には Agentic Search、Agentic Memory、Python ベースのエージェントサービスがあります。AWS OpenSearch に携わる前は、Amazon の小売部門の複数のチームで、機械学習とデータ分析を中心に取り組んでいました。これまで Core ML、Product Graph、Search Engine Optimization の各チームで経験を積んでいます。Sean はニューヨーク州立大学でコンピューターサイエンスの博士号を取得しています。
この記事は Kiro が翻訳を担当し、Solutions Architect の Takayuki Enomoto がレビューしました。