Integração do Servidor Elasticsearch MCP com o Azure SRE Agent: Análise Técnica

Visão Geral

A introdução do suporte ao Model Context Protocol (MCP) no Azure SRE Agent marca um passo importante na democratização de queries de observabilidade via linguagem natural. Para engenheiros e times de SRE no Brasil, isso significa que a barreira de entrada para a exploração de logs, métricas e telemetria armazenadas no Elasticsearch foi reduzida drasticamente, permitindo que o agente converse com o cluster e auxilie na mitigação de incidentes sem a necessidade constante de construção manual de queries complexas.

Esta integração utiliza o Agent Builder MCP endpoint, sendo o padrão recomendado para ambientes Elastic 9.2.0+ e projetos utilizando Elasticsearch Serverless. O grande diferencial aqui é a capacidade de realizar diagnósticos conversacionais, economizando ciclos de processamento humano durante o MTTR (Mean Time To Repair).

Capacidades Principais

Capability	Descrição
Search	Execução de buscas tradicionais via Elasticsearch Query DSL.
**ES	QL**
Mappings	Recuperação automatizada de campos para otimizar o índice de busca.
Cluster Health	Monitoramento de shards e status, centralizando a visão de infraestrutura.
Index Management	Listagem dinâmica de índices para manter a agilidade operacional.

---

Pré-requisitos

• Instância do Azure SRE Agent ativa em sre.azure.com.
• Cluster Elasticsearch (Elastic Cloud ou self-hosted) versão 9.2.0 ou superior.
• Kibana com Agent Builder habilitado.
• API Key com privilégios de leitura (princípio do privilégio mínimo aplicado).

---

Passo 1: Obtenção das Credenciais do Elasticsearch

1. Acesse o seu cluster via Kibana URL.
2. Vá para Management > API Keys.
3. Clique em Create API key e nomeie-a (ex: azure-sre-agent-mcp).
4. Defina permissões granulares: o foco deve ser apenas read sobre os índices de observabilidade necessários. Mantenha o token de acesso seguro.

---

Passo 2: Configuração do MCP Connector

1. No painel do Azure SRE Agent (sre.azure.com), selecione o seu agente.
2. Navegue até Builder > Connectors e clique em Add connector.
3. Selecione MCP server.
4. Utilize a configuração abaixo:

Campo	Valor
Name	elasticsearch-mcp
Connection type	Streamable-HTTP
URL	https://{KIBANA_URL}/api/agent_builder/mcp
Authentication method	Custom headers
Header name	Authorization
Header value	ApiKey {seu-token-aqui}

Referência JSON (mcp.json)

Para automação via IaC, utilize a seguinte estrutura:

Copiar{
  "mcpServers": {
    "elasticsearch-mcp": {
      "url": "https://{KIBANA_URL}/api/agent_builder/mcp",
      "transport": "streamable-http",
      "headers": {
        "Authorization": "ApiKey {your-api-key}"
      }
    }
  }
}

---

Passo 3: Criação do Subagent e Ferramentas

1. No Subagent builder, crie um novo subagente e cole a configuração YAML fornecida.
2. Importante: A definição do system_prompt dita o comportamento do agente. Certifique-se de manter os filtros de tempo e limites (LIMIT) para evitar full scans custosos, essenciais para uma boa gestão de FinOps na infraestrutura cloud.
3. Após salvar, é CRÍTICO adicionar os tools manualmente: list_indices, get_mappings, search, esql, e get_shards.

---

Passo 4: Otimização com Skills (Opcional)

As Skills permitem encapsular expertise de consulta em um pacote reutilizável, que pode ser invocado por qualquer outro agente meta. Isso padroniza como o time de operações consulta, por exemplo, o histórico de logs de erro em produção.

---

Passo 5: Validação

Teste a integração com prompts como: "List all indices in my Elasticsearch cluster" ou "Run an ES|QL query to find the top 10 error types".

Troubleshooting

• Subagent sem ferramentas: Verifique a aba Tools no editor do subagente.
• SSL/TLS Errors: Garanta que todas as URLs apontam para HTTPS.
• Erro 401/403: Revise as permissões da API Key no Kibana e a validade da mesma.

---

Artigo originalmente publicado em Azure Updates - Latest from Azure Charts.