はじめに
先月のブログ、Elastic Inference Service (EIS) を使った「ベクトル検索」および「生成AIによる回答（RAG）」（実践編） では、EIS を通じてセルフマネージドの Elasticsearch 上でクラウド LLM を利用し、ベクトル検索や簡易的な RAG を実現する方法を紹介しました。
今回はさらに一歩踏み込み、EIS 経由で提供されるクラウド LLM を AI Agent（Kibana 内の対話型アシスタント） や、Streams（ログのパーティショニングやパース処理） に適用する方法を解説します。これにより、自前環境のデータを維持しつつ、最新の AI 機能をフル活用できるようになります。
前提条件と準備
本記事では以下の環境・準備を前提としています。
- Elastic Cloud: Enterprise License（EIS プロバイダーとして利用）
- セルフマネージド Elasticsearch: Enterprise License（筆者は v9.4.0 の Trial License で動作確認）
- EIS の初期設定: Elastic Inference Service (EIS) を使った「ベクトル検索」および「生成AIによる回答（RAG）」（準備編） のガイドに従い、EIS が利用可能な状態であること。
1. AI Agent でのモデル切り替え
Elasticsearch 内部のデータ操作やトラブルシューティングを支援する「AI Agent」の思考エンジンとして、EIS 経由のクラウド LLM を設定します。
1.1. セルフマネージド環境の Elastic Home にアクセスします。
1.2. 画面右上の [AI Agent] アイコンをクリックしてチャットパネルを開きます。
1.3. 現在設定されているモデル名をクリックします。
1.4. ローカルモデルに混じって、EIS 経由で接続しているクラウドモデル（OpenAI, Anthropic 等）が表示されるので、利用したいモデルを選択します。
1.5. モデル選択後、AI Agent に質問を投げ、クラウド LLM ならではの高い解釈能力を確認してください。
※設定した AI Agent は、Workflow 内から呼び出すことも可能です。
2. Streams での活用：パーティショニング（分割提案）
大量のログを効率的に管理するための「Streams」において、LLM を使った高度なパーティション分割（分類）を行うことができます。
2.1. Wired Streams の有効化
まず、LLM 連携に必要な Wired Streams を有効にする必要があります。
2.1.1. Management > Streams 画面を表示します。
2.1.2. 右上の [Settings] をクリックします。
2.1.3. [Wired Streams] をトグルスイッチで有効にします。
2.2. LLM によるパーティション分割
2.2.1. Streams 一覧から、パーティション分割したい Wired Stream を選択します。
（下記の例では、OpenTelemetry 経由で Windows のイベントログを取り込んだ logs.otel.windows Stream をあらかじめ作成しておき、それを選択しています。）
2.2.2. [Partitioning] タブをクリックします。
2.2.3. [Get partitions suggestions] ボタンの右にある 歯車アイコン をクリックし、EIS 経由のモデルを選択します。
2.2.4. [Get partitions suggestions] をクリックすると、LLM がログの内容を分析し、最適なカテゴリ分けを提案してくれます。
この例では、body.structured.channel の値が “Security”, “System”, “Application” の場合に、パーティション分割する案が提示されています。
2.2.5. 提案内容を確認し、適用したい項目にチェックを入れ [Accept selected] をクリックします。
2.2.6. 確認ダイアログが表示されるので、[Create all streams] をクリックします。
2.2.7. Streams のパーティション分割が行われます。しばらく待つと、分割された結果が表示されます。
! 注意点:
- LLM の提案が常に最適とは限りません。必ず内容を吟味してから適用してください。
- 分割後のパーティションに振り分けられるのは、設定完了以降に取り込まれる新しいログのみです。
3. Streams での活用：プロセッシング（Grok パターン生成）
エンジニアにとって頭の痛い「Grok パターンによるログパース」も、EIS 経由の LLM で自動化できます。
3.1. 対象の Stream を選択し、[Processing] タブ ＞ [Interactive] を選択します。
3.2. [Field] 欄で、パースしたい元のフィールド（message など）を指定します。
3.3. [Generate pattern] 横の歯車アイコンで モデル（Anthropic Claude Sonnet 4.6 など）を選択します。
3.4. [Generate pattern] をクリックすると、LLM がログの構造を読み取り、最適な Grok パターンを提示します。
3.5. 内容に問題がなければ [Create] をクリックします。これで Grok Processor が即座に作成されます。
※ Model Management / Feature Settings の画面で、利用するモデルを選択しておくことも可能です。
まとめ
本記事では、Elastic Inference Service (EIS) を介して、セルフマネージドな Elastic 環境でもクラウド LLM の恩恵を多角的に受ける方法を紹介しました。
- AI Agent: インフラ管理の対話型アシスタントを強化。
- Streams Partitioning: 複雑なログ分類の自動化。
- Streams Processing: 職人芸が必要だった Grok パターン作成の効率化。
EIS を活用することで、「機密データは自社環境（セルフマネージド）で保持しつつ、処理には強力な外部 AI を利用する」というハイブリッドな運用が現実的になります。特に v9.x 以降の Wired Streams 連携は、オブザーバビリティの運用負荷を劇的に下げる可能性を秘めています。
ぜひ、皆さんの環境でも EIS による「AI 駆動の運用」を試してみてください。
